水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

离心机试验中惯导平台误差系数辨识方法

针对离心机试验中惯导平台误差系数辨识问题,提出一种6位置辨识方案。建立误差系数辨识的非线性模型,再利用扩展卡尔曼滤波估计误差系数。由滤波中的估值方差矩阵计算各误差系数之间的相关系数,用相关系数分析系统的可观性,并将所有相关系数之和最小作为优化指标,利用遗传算法得到最优的位置组合。仿真结果表明,采用该方案可以有效辨识出惯导平台中与加速度高阶项有关的各项误差系数。     

ESD EMP能量耦合线性化建模

针对利用非线性建模方法研究静电放电电磁脉冲(Electro Static Discharge Electro Magnetic Pulse,ESD EMP)能量耦合存在计算复杂、模型收敛性能较差的问题,基于ESD辐照实验提出了一种非线性系统线性化建模方法。该方法是将系统响应与激励间的非线性关系转化为线性关系后,利用带遗忘因子的递推最小二乘法进行线性回归来建立模型。首先利用3.5 k V ESD实验数据进行建模,然后应用3.5 kV、4.5 kV ESD实验数据进行模型验证,2种情况下的拟合度均达到94.303 3%。结果表明:线性化建模能有效降低建模难度,且模型精度较高,为ESD能量耦合研究提供了一种简便有效的建模方法。     

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。     

基于线性时变参数离散灰色模型的在线故障预测系统设计

为实现故障预测的实时性,克服设备实际数据处理能力的局限,采用了线性时变参数离散灰色模型(linear time-varying parameters discrete grey model,TDGM),并对其建模所用的最小二乘法采用递推算法,形成了递推建模法,解决了实时建模预测所面临的建模序列取舍、计算和存储量巨大等难题,并采用视情剔除旧数据的方法克服了递推建模法存在的"数据饱和"现象,完成了在线故障预测系统(online fault prediction system,OFPS)的初步设计。实例仿真验证表明:该系统运行稳定可靠,计算和存储量在可承受范围之内,预测效果良好,可以应用到实际设备中。     

舰艇舱室火灾危险源的分析和辨识

针对舰艇安全性设计和安全性管理两大问题,根据火灾危险源的特点可将其分为两类,运用直接经验法和统计分析法构建第一类火灾危险源辨识模式,运用系统安全分析法构建第二类火灾危险源辨识模式,并将该方法应用于某型舰艇机舱火灾危险源分析和辨识,得到机舱火灾载荷密度、热释放速率、热释放强度和事故树结构重要度等技术指标。分析表明:机舱属于高危火灾舱室,舱内灭火器材的配置、灭火系统的完好性以及舰员的损管素质是火灾事故发生最重要的影响因素。     

时间序列分析中的模型定阶策略

模型的定阶问题是时间序列分析(包括参数谱估计、系统辨识,回归分析)研究领域中的一个重要问题。本文对现有的数种模型定阶方法,进行了分析、讨论和归纳,指出了它们所适用的场合及优劣。     

卫星活动部件的干扰辨识与抑制

采用干扰辨识的方法实现带活动部件三轴稳定卫星的高精度姿态控制问题.首先以扫描镜为例进行,分析扫描镜运动对卫星产生的等效干扰力矩;然后根据卫星控制系统的稳态输出数据,采用特征系统实现算法对扫描运动产生的干扰频率进行闭环辨识;最后在所辨识干扰频率的基础上,采用偶极子干扰抑制滤波器消除扫描镜运动干扰对卫星姿态的影响.仿真结果表明,所提出的方法能有效地克服活动部件运动产生的未知干扰对卫星姿态稳定度的影响,提高在轨运行卫星的姿态控制精度.     

基于BP神经网络带调压器直流发电机特性的辨识

为使坦克直流发电机的调压特性实验能够在计算机上仿真进行,节约教学实验成本,可利用神经网络对直流发电机的调压特性进行辨识,得到了比手工绘制精度更高的特性曲线.因此,调压特性的神经网络辨识法,有利于直流发电机特性实验教学.     

基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.