民用飞机纵向气动参数辨识研究

飞机气动参数辨识是利用飞机在飞行试验过程中测得的状态响应数据对飞机的气动参数进行辨识的技术.设计了纵向气动参数辨识的激励信号,建立了非线性辨识模型.基于极大似然法对飞行试验数据进行辨识研究,得到纵向气动参数.对比飞行试验和辨识结果仿真的时间历程,表明辨识结果准确.     

基于模拟退火粒子群算法的飞机气动参数辨识

针对飞机气动参数辨识中如极大似然法等常规方法存在收敛慢、对初值敏感或数学形式复杂等缺点,讨论了模拟退火粒子群算法及其在气动参数识别中的应用,该方法主要辨识策略是一次采集多次迭代,增强了粒子群算法的收敛性和全局性.对某飞机纵横向气动参数辨识进行了仿真研究,结果表明模拟退火粒子群算法对飞机气动参数辨识问题行之有效,并且在扩展搜索空间上,比基本粒子群算法和自适应粒子群算法更有优势.     

文章编号：调整试飞阶段的某型飞机气动参数辨识实现方法

针对飞机调整试飞阶段质量特性数据变化较大的特点,以及飞行测试的限制,提出了一种气动参数辨识实现方法,该方法包括飞机质量特性数据的获得、飞行测量数据的重建等辨识数据的完善和成熟的辨识算法.并以某型飞机为例进行了纵向气动参数辨识,计算结果合理,表明该方法有效,具有很好的工程应用价值.     

调整试飞阶段的某型飞机气动参数辨识实现方法

针对飞机调整试飞阶段质量特性数据变化较大的特点,以及飞行测试的限制,提出了一种气动参数辨识实现方法,该方法包括飞机质量特性数据的获得、飞行测量数据的重建等辨识数据的完善和成熟的辨识算法。并以某型飞机为例进行了纵向气动参数辨识,计算结果合理,表明该方法有效,具有很好的工程应用价值。     

基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态（SOC）估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.      

货车整车质量辨识方法研究

针对货车整车质量辨识问题,分别对基于车辆纵向动力学和基于运动学的两种整车质量辨别方法进行仿真和实车试验研究。阐述了两种整车质量辨识方法的原理,在TruckSim软件平台上建立车辆模型并在多种工况下基于这两种方法进行仿真分析。根据仿真结果进行实车试验,提出了一种车速冗余计算和加速度计算的方法,利用带时变遗忘因子的递推最小二乘法（RLS）对实车质量进行估计。研究结果表明,所提出的车速冗余计算方法和加速度计算方法准确有效,同时减少换挡次数能够显著提高辨识算法的收敛速度。相比于运动学整车质量辨识算法,基于车辆纵向动力学整车质量辨识算法能够有效地估计货车整车质量,鲁棒性好,估计准确,收敛速度快,具有很好的工程应用价值。     

Z字形飞机建模与半实物仿真研究

为了提高无人机飞行品质,研究无人机控制的半实物仿真应用,形成一套通用的无人机飞行控制律设计与半实物仿真方法,针对气动特性较为复杂的Z字形飞机进行了研究。Z字形飞机机翼可向机身方向折叠,便于存放和运输。根据Z字形飞机外形参数,求得气动数据,并在此基础上利用小扰动线性化原理建立纵向线性模型,通过加入干扰脉冲方式研究模型纵向静稳定性,选取各环节传递函数,建立俯仰控制回路,调整PID参数,设计纵向控制律,分别使用Simulink和半实物仿真器进行仿真。仿真结果表明,无人机具有较好的静稳定性,PID控制参数选择合理,系统超调量较小,调节时间较短,可以提升无人机飞行品质,半实物仿真可以更真实、直观地反映无人机姿态,所用建模与仿真方法可应用到其他固定翼无人机,具有一定的通用性。     

固定翼飞机动力学模型的子空间辨识方法

针对子空间模型辨识(SMI)方法这类线性模型辨识技术存在的建模误差,提出一种两阶段固定翼飞机飞行动力学模型辨识方法.首先采用基于辅助变量的闭环SMI方法辨识飞机的近似线性模型;然后,利用该模型构建扩张状态观测器,从而估计出系统中的非线性动态数据;在此基础上,进一步采用神经网络建立系统非线性动态的分散式模型.最后,利用B747飞机6自由度非线性模型进行系统辨识实验,所得结果验证了该方法的有效性.     

基于CFD与最小二乘法的翼伞动力学建模

襟翼偏转气动计算是翼伞建模的关键问题,为提高翼伞动力学模型精度,本文引入襟翼偏转气动模型,提出CFD数值模拟与最小二乘辨识相结合的方法:数值模拟借助动网格动态捕捉翼伞外形与姿态变化,获取襟翼偏转气动数据;最小二乘法进行模型参数辨识,修正翼伞气动计算.研究表明襟翼偏转气动模型较好反映翼伞气动规律,对应动力学模型与空投试验数据接近,验证本文建模方法的有效性,为翼伞精确建模提供新思路.      

基于凸多面体的结构性故障模型对飞行包线影响研究

飞机的安全飞行范围和飞行限制条件是保证飞行安全的关键指标,飞机失事大多是在超出安全飞行包线范围下发生的,因此在飞行的过程中,实时准确的预估飞行包线,提供飞行保护措施,对提高飞行安全具有重要的意义。本文针对飞机结构性故障的特点,研究了飞机故障和飞行包线的定性定量关系,基于凸多面体模型建立了飞机小扰动线性故障模型,通过最小二乘参数估计方法进行气动参数的在线估计与辨识,确定故障情况下的气动参数,从而进行飞行包线快速估算,提供包线保护控制依据。仿真结果验证本方法对结构性故障情况下包线估算是快速有效的。     

电液负载模拟器神经网络辨识器及控制器设计

针对传统控制方法无法解决飞机舵机电液负载模拟器受多余力等非线性因素严重干扰的问题,给出了一种基于神经网络辨识器及控制器的复合控制结构,结合了神经网络系统辨识与自适应实时控制的工作特点。根据电液负载模拟器控制结构及工作原理,采用BP神经网络辨识器在线辨识,获得系统辨识模型以替代理论数学模型。然后,采用Adaline神经网络控制器实时控制,利用系统误差信号与BP神经网络反向递归计算Adaline网络权值调整信息,获得系统控制参数,实现复合控制器的有效监督与智能控制。最后利用MATLAB进行实验验证,仿真结果表明：该方法能够提高系统控制精度,多余力消扰率达92%;并且可以有效模拟飞机舵机所受力载荷的变化情况,实现系统指令信号快速、准确、稳定的加载。     

基于BP网络的飞机燃油系统故障诊断方法研究

对于飞机燃油系统故障诊断问题,提出了一种利用BP神经网络进行飞机燃油系统故障诊断的新方法。通过设计飞机燃油系统层次分类诊断模型,构建了专家系统知识库和推理机,利用CB工具开发了飞机燃油神经网络故障诊断专家系统。仿真结果表明,该系统很好地发挥了专家系统的智能性,能够快速准确地诊断出燃油系统的故障,完全适合于飞机燃油系统的故障诊断。     

基于神经网络的切换非线性系统辨识

提出了一种基于神经网络的多个Hammerstein-Wiener模型构成切换非线性系统的在线辨识方法.首先,通过误差逆传播(back propagation,BP)神经网络建立切换非线性系统的切换规律预测模型;其次,提出折息递推辨识算法对各个非线性子系统的参数进行辨识.利用关键项分离法对乘积项进行分离,得到各个子系统的参数估计值.最后通过切换非线性系统辨识实例,并与其他方法进行比较,验证了所提方法的有效性.结果 表明:提出的方法在辨识切换非线性系统方面具有更高的准确率和可靠性.     

非线性BP算法在系统辨识中的应用

研究利用非线性ＢＰ算法训练多层前馈神经网络,对非线性动力系统进行建模,给出了基于非线性ＢＰ算法的系统辨识计算步骤,通过仿真计算表明,基于非线性ＢＰ算法的系统辨识至少可以获得与常规ＢＰ算法同样的效果,因为不需要计算神经元激活函数的导函数,文中的结果可以更小的代价实现基于神经网络的控制器。     

短跑运动能力的神经网络评价方法

选取形态，机能，素质，技术等15项指标构成百米跑人体运动能力评价指标体系，结合100名12～20岁青少年的各项测试指标及专家对其运动能力的综合评价结果，建立了基于神经网络的百米跑运动能力评价模型，将各项测试指标归一化作为网络输入，专家的评价结果作为网络输出，对训练好的模型验证，结果令人满意，神经网络方法克服了现有专家评分方法的不足，为运动员选材领域提供了一种新的参数模型。     

基于时空特征融合的飞机尾涡识别

为了实现动态尾流缩减技术,减少进近阶段前机尾流对后机飞行安全的影响。依据相干激光雷达(coherent Doppler lidar, CDL)扫描风场循环周期性特点,提出一种基于时空特征融合的飞机尾涡识别模型。首先,CDL扫描生成的径向速度风场转换成序列输入和块输入。然后,双向长短时记忆(bidirectional long short-term memory, Bi-LSTM)网络用于提取序列输入的时间域特征,卷积神经网络(convolutional neural network, CNN)网络用于提取径向速度风场块输入的空间域特征。最后,将融合的时间域和空间域特征输入全连接层分类器,得到最终分类识别结果。实验团队在深圳宝安机场附近采集风场,并构建尾流数据集来验证所提得融合模型。结果表明：基于CNN和Bi-LSTM时空特征融合模型具有较好的分类性能,在尾涡识别上的准确率、召回率、F₁分数分别达到97.13%、97.50%、97.03%,且相比单一模型是一种更有效的识别方式,能够获得实时高效尾流预警。     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

基于神经网络推理的故障诊断专家系统

本文利用神经网络(NN)的知识并行处理、自学习及联想记忆等功能，建立了基于神经网络推理的专家系统论述了NN的结构、算法参数的确定、系统知识获取和离线／在线自学习功能，提出了NN数值推理和ES深层逻辑概念相结合的输入／输出转换机制与NN推理的解释机制．研究表明系统具有良好的实用性。     

基于IGA-BP神经网络滚动轴承故障的诊断

为提高滚动轴承故障模式识别技术的研究,基于IGA-BP神经网络的故障诊断原理,运用IGA对BP神经网络的权值与阈值进行调整和优化,利用小波包分解获得轴承振动信号的特征向量,进行了滚动轴承故障的诊断实验研究,对故障模式进行识别。结果表明,IGA-BP神经网络方法具有很强的故障识别能力,说明利用IGA-BP神经网络方法进行轴承故障诊断是可行的。     

先进飞行器动导数数值模拟新方法

结合刚性动网格技术,建立了求解飞行器各个组合及单独分量动导数的数值模拟新方法.以纵向为例,通过以不同角速度定速上仰到相同攻角,将瞬时气动力矩进行相减的方法辨识得到组合动导数;通过以不同的迎角变化率匀加速下沉到相同的附加攻角处,气动力做差辨识得到单独的加速度导数;同时耦合定速上仰以及上浮运动的方法可以直接求取单独的角速度导数.对稳定性与控制研究构型飞翼构型以及带翼导弹Finner进行了纵向动导数的计算验证,各个动导数与试验值吻合较好,且对于不同的构型,分量导数在组合动导数中所占的比例和作用不同.该方法运动形式简单,效率较高,且可以推广到横航向的动导数数值计算中.