用于战术导弹气动参数辨识的输入设计研究

为了研究h=8 km,Ma=2条件附近导弹飞行试验中输入设计对气动参数辨识精度的影响,验证气动力模型的有效性,以方波信号为基础设计了3种开环舵偏指令。通过开环飞行弹道仿真试验,采用递推最小二乘法,对多项式非线性气动力模型中的气动参数进行了辨识。气动参数辨识结果表明,单级方波,偶极方波,"211"多级方波3种输入用于气动参数辨识是可行的,辨识精度是可接受的,辨识所用的纵向三自由度气动力模型是有效的。     

航天器转动惯量参数在轨辨识的最优激励

根据矩阵分析理论研究了转动惯量参数的可辨识性问题,从姿态动力学方程导出关于未知参数的线性回归模型,将回归矩阵的条件数作为参数可辨识度的定量指标,以可辨识度最大为目标函数建立最优控制模型;应用解最优控制问题的伪谱法,计算控制力矩陀螺的指令轨线,使得惯量参数的辨识精度和收敛速度显著提高;在仿真中采用双无迹卡尔曼滤波算法进行参数辨识,结果验证了所提出的最优激励设计方法可以改善参数辨识性能,同时该方法对先验信息误差具有鲁棒性。     

一种数据驱动的飞行仿真参数辨识方法

目前飞行参数经验公式针对于不同飞机机型拟合不准确,且传统黑箱算法无法定量表达飞行参数相关性。针对上述问题提出一种基于快速存取记录器（quick access recorder,QAR）数据的飞行仿真参数辨识方法,该方法在多项式拟合算法基础上,增加权重系数分配输入参数在算法中所占比重,利用斯皮尔曼等级（Spearman rank）相关系数计算不同输入参数权重系数。由此设计二元多项式,基于改进算法求解最优多项式系数。仿真结果表明,该方法可有效降低仿真误差。     

同步电机参数在线小扰动辨识技术研究

针对目前同步电机参数辨识方法存在的对输入扰动信号要求严、不能计及非线性因素等缺陷,对同步电机参数在线小扰动辨识技术进行了研究.构建了同步电机参数在线采集系统,建立了同步电机的恰当电路模型和状态方程,采用最大似然估计法在轻载和低励磁状态下辨识电机的线性参数,然后在磁路饱和状态下对饱和参数进行辨识修正,最后在大扰动的情况下,对参数和模型进行检验、修正.仿真计算结果与实测数据吻合较好,证明了文中所提出的同步电机参数辨识技术的有效性.     

一个小功率随动系统的动态分析

用自动调节理论对系统的品质进行分析,对于我们设计、调试和改进系统的动态特性有着重要的指导意义。本文试图用频率法对一个小功率随动系统的品质进行定量分析。首先、扼要地介绍一下这个系统的工作原理。该系统是一个相位一转角随动系统。输入信号是方波电压的相位角;输出量是与输入信号相对应的机械转角。输入的相位信息r_1 与反馈环节送来的相位信息r_2＇进行比较(反馈环节将转角转换成等效的方波相位角),并将比较出来的差值信号r进行变换、放大,用来驱动执行电机,带动减速器和敏感元件,以消除误差,使输出转角与输入的相位角协调一致(如图1所示)。     

非线性系统 Hammerstein 模型辨识

本文利用差集理论设计的输入信号。辨识了Hammerstein模型的脉冲响应函数,并进一步得到了非线性部分多项式的系数。本文得到的公式简单,辨识结果依概率收敛于真值。文中给出了仿真结果。     

开关磁阻电机模型参数新辨识算法

将混沌变异粒子群(CMPSO)应用在磁链数学模型的参数辨识可以得到精确的开关磁阻电机磁链模型.针对标准PSO收敛慢、易于早熟的缺点,CMPSO通过混沌优化后粒子群分成两个子群和混沌粒子群,然后通过精英粒子的适应度方差和最优解变异算法保证了改进算法的收敛.磁链辨识结果证实这种参数离线辨识算法收敛速度快,参数精度高的特点.     

基于粒子群聚类的导弹直接侧向力模型辨识

为了充分挖掘数据的潜在规律,提出一种基于粒子群模糊C均值聚类的模型辨识方法,该方法首先对实验数据进行分类,得到最佳聚类数和聚类中心,然后对不同的类分别辨识.新数据可以根据到不同聚类中心的距离划分为不同的类,再根据该类的辨识模型得到输出结果.依据风洞实验数据,采用粒子群模糊聚类对直接侧向力模型进行了辨识,辨识结果表明,与直接辨识相比,该方法的辨识精度明显提高,其辨识结果可以为控制系统的设计提供依据.     

反馈干扰系统的自校正控制方法

为实现系统跟踪期望输出及系统未知参数的在线闭环辨识,针对带反馈干扰的未知参数系统,结合最小方差控制算法和增广最小二乘法设计了自校正调节器。首先通过对反馈通道干扰的分析,给出了系统的等效模型;其次,按系统输出最小方差的原理设计了控制器,实现了系统跟踪期望输出;第三,运用增广最小二乘法对系统参数的辨识,给出未知参数的无偏一致估计,实现了参数的在线闭环辨识。通过对未知参数的辨识,用所辨识的参数计算调节器的参数,完成对控制律的修改,实现了系统跟踪期望输出和参数的在线闭环辨识。最后,利用该方法对实例进行了仿真研究。仿真结果表明:所提方法简单可行。     

一种新的线性最优滤波器的设计与研究

针对一类未知机动目标设计了一种线性最优滤波器.该滤波器采用有限记忆模型作为滤波模型,模型参数用动态最小二乘方法辨识得到.由此得到的滤波器称为基于辨识有限记忆模型的线性最优滤波器.有限记忆模型克服了时间多项式模型(如CV模型、CA模型、Singer模型等)对目标物理特性的依赖性,它从目标运动轨迹入手对目标运动特性进行描述,更适合于战场未知目标的跟踪滤波.通过原理分析和Monte Carlo仿真实验验证了该滤波方法的有效性,并且和Kalman滤波方法进行了比较.     

基于遗传算法的大型降落伞气动力参数辨识

建立了降落伞回收系统的六自由度动力学及运动模型,针对大型降落伞可观测数据少的特点,设计遗传算法辨识其气动力参数,利用仿真验证了辨识方法的可行性和辨识模型的正确性。结合空投试验录像分析数据,辨识了某型号飞船所采用大型环帆伞的气动力参数,并利用辨识结果对其稳定性进行分析,其结论可作为回收系统设计的理论参考依据。     

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。     

反坦克导弹的气动参数辨识

本文运用极大似然法进行激光驾束制导反坦克导弹气动参数的辨识。在辨识的迭代寻优过程中,采用变步长搜索提高辨识准度;在辨识算法的具体计算处理上,采用了模型分解法,大大减少了计算时间,保证了气动参数的辨识精度。同时给出辨识仿真验证结果.     

一种快速辨识ARMA信号模型参数的方法

本文给出了一种对ARMA信号模型参数进行自适应滤波快速辨识的方法。首先提出将MA模型匹配ARMA模型的理论误差转化为输出端的加性噪声．然后提出了一种新的变步长LMS算法。基于以上两点，本文使用自适应滤波器,通过拟合模型传递函数来辨识模型参数。数值仿真结果及其与IIR SHARF算法的比较证明本文的理论分析。     

伺服系统速度环控制器参数的自整定及优化

针对交流伺服系统速度环控制器参数自整定及优化的需求,为使工程技术人员避免繁琐的调参过程,提出了一种基于转动惯量辨识的速度环控制器参数自整定及优化方法。首先,采用频率法分析伺服系统速度环控制器参数的设计规则;随后,采用遗忘因子递推最小二乘法,对控制器参数设计所需的系统转动惯量进行辨识;最后,在此基础上利用设计的变步长迭代算法,完成控制器参数寻优过程。仿真结果表明,采用遗忘因子递推最小二乘法,能够有效辨识出电机轴端的转动惯量。提出算法进行整定及优化后,速度环控制器参数能使系统具有良好的动态响应和鲁棒性。     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

一种非线性系统自适应预测控制方法

针对非线性系统提出了一种自适应预测控制方法,首先利用微分中值定理推出了非线性系统的增量输出和原来增量输入之间的线性关系,并利用带遗忘因子的最小二乘法(RLS)对其时变参数进行辨识,在此基础上,利用递推状态空间描述作为预测模型,根据预测控制的原理对系统的控制器进行设计,最后通过仿真实例说明了该方法的有效性.     

基于线对线突然短路的同步电机瞬态参数辨识

准确地辨识同步电机参数,是分析电力系统运行和控制系统设计的前提.利用最小二乘或卡尔曼滤波等方法辨识电机三相同时突然短路试验数据,是传统电机参数辨识的主要方式.受同步电机三相同时突然短路的可操作性和电机参数模型的强非线性等因素的影响,电机瞬态参数难以准确测量.利用改进的小波变换和人工神经元网络辨识参数的新方法,结合容易实现的同步电机线对线突然短路试验,辨识得到了三相同步电机的瞬态参数,有效提高了电机参数的辨识精度.仿真试验表明,该方法是有效的.     

基于ARMA辨识的色噪系统状态参数鲁棒估计

实际环境中观测系统的噪声,同时存在着白噪、色噪声和尖点噪声的影响.已有的研究都仅考虑白噪或色噪声,首次将实际系统中可能出现的所有噪声纳入观测方程,推导出统一的带白噪形式的观测方程.新观测方程在色噪声ARMA辨识基础上,可以直接用于传统的卡尔曼滤波算法,避免了扩维滤波.于是状态参数的稳健估计归结为ARMA参数的辨识.重点研究了自由参数选取与输入噪声之间的关系,将鲁棒支持向量回归机的优化问题转换成最大后验估计问题,为合理选择自由参数提供了理论依据.仿真结果验证了新算法的有效性.     

基于Matlab系统辨识工具箱的参数辨识

论述了系统辨识的基本理论，针对最小二乘法参数辨识的缺陷引入了辅助变量法参数辨识。根据Matlab系统辨识工具箱中的一些基本函数，结合实例对最小二乘法参数辨识和辅助变量法参数辨识进行了对比分析，结果表明基于辅助变量法模型的输出与原系统输出相吻合。