舵面损伤在线故障模式预测及故障检测

舵面损伤的传统模型匹配检测方法只适用于线性气动模型，并互故障检测和定位能力受操纵和机动状态影响很大。产生这些问题的原因是在故障模式预测和故障检测中忽略了一些实时飞行状态和参数变化。中将传统的离线故障模式预测改为在线计算，在计算中引入实时飞行状态及参数，并且在使用解析余度估算正常飞机运动时，考虑了实时飞行状态、舵面偏转、质量、惯量等参数变化，由实时估算值与实测值比较获得残差。此外，采用了故障模式空间最优方向匹配法进行故障隔离以减小残差决策的计算量。对所建立的新算法可以不使用任何简化、假定。使用某机舵面损伤非线性数据进行了分析和仿真，结果表明该方法可以适用于多种故障气动模型，而互不受机动状态、舵面操纵的影响。     

可重复使用运载器气动舵面损伤的故障检测与诊断

可重复使用运载器再入飞行过程中,气动舵面的损伤故障会影响其飞行控制系统的性能,威胁运载器的安全。文章结合运载器气动布局的特点,利用运载器发生舵面损伤故障时气动系数变化的规律:正常气动系数向量与故障气动系数向量之差与正常气动系数向量成比例,而比例系数就是舵面损伤失效率。依据舵面失效率对该舵面的角加速度进行估算,并与实际的角加速度比较形成残差,实现对舵面损伤的故障检测与诊断。仿真结果表明,该方法是一种有效检测与诊断的方法,能满足工程应用要求。     

飞翼布局矢量推力无人机容错控制研究

飞翼布局无人机利用多组气动舵面产生所需要的控制力和力矩,属于典型的过驱动系统;多组操纵舵面赋予其较高冗余配置的同时也使舵面故障率成倍增加。对横航向静不稳定的飞翼无人机而言,操纵面故障带来的力矩失衡会严重影响飞行安全,故以升降、方向舵损伤故障为例,提出一种气动为主,矢量推力为辅的控制分配方法;利用二元矢量偏转机构产生矢量推力,补偿损伤执行机构舵效,释放舵面控制裕度,恢复飞机操纵性;在气动舵面损伤的故障下,实现无人机的稳定控制。     

基于滑模观测器的无人推力矢量飞机反步容错控制

针对无人推力矢量飞机,设计了基于滑模观测器的反步容错控制。首先提出执行器故障模型,并将本体方程分为快、慢回路,建立包含不确定性、舵面故障和执行器故障的无人推力矢量飞机故障模型,然后设计包含高阶滑模观测器及不连续投影自适应律的级联观测器实现补偿不确定性和舵面故障的状态估计,并通过滑模观测器实现故障辨识和故障参数估计,最后结合状态估计及故障参数实现包容不确定性,舵面故障和执行器故障的全局反步容错控制。大迎角机动仿真表明所提方法能够有效实现无人推力矢量飞机的全局容错控制。     

容错飞控系统故障隔离与自适应重构设计

容错飞控系统的关键技术就是进行实时故障隔离与重构控制. 结合最优控制和多模型自适应控制的优点, 提出一种基于多模型自适应最优二次型的容错飞控系统设计算法, 该算法建立在多个辨识模型和模型跟随最优二次型控制器的基础上. 首先根据作动器故障参数模型, 设计一系列并行的基于线性二次型估计的辨识模型, 每个模型对应一种故障;然后对应于每个辨识模型建立一个模型跟随最优二次型调节器;最后根据多模型切换控制原理对飞控系统进行实时故障隔离与重构. 应用某型飞机横侧向飞行控制系统进行了仿真, 结果表明: 在舵面严重受损的情况下, 飞机仍能保持良好的性能.     

A320系列飞机主飞行控制舵面伺服控制和铰链轴承状态及自由间隙检查

在航空公司航线运行维护的过程中A320系列飞机,尤其服役年限较长的飞机序列中,机组时常反映飞行操作过程中,驾驶舱、前舱及后舱明显感觉到机身、机翼有节奏的非正常振动、抖动.造成该故障的原因是多方面的,但结合航线维护故障统计和经验,多数是由于某主飞控舵面(副翼、方向舵、升降舵)引起,由于飞行控制舵面是气动高振动区域,不可避免地出现不同程度的伺服控制器内部以及安装铰链部分的磨损,从而导致以上情况的发生.在故障初期若不进行详细的维护检查和部件更换工作,随着磨损的日趋加剧,有可能造成严重事故.本文主要针对主飞控舵面导致机身振动方向提供排故指导和技术支持.     

控制效能与飞机多操纵面配置

提出一种对多操纵面布局飞机进行优化配置的理论方案。令不同舵面配置类型飞机产生相同的机动飞行，从而提出了控制效能概念，推导出Moore—Penrose逆算法是解决控制效能的一种有效工具。基于此概念分析了某型飞机在不同舵面配置情况下的控制效能。此算法为新型飞机设计提供了一种解决操纵面配置的途径。     

飞翼布局无人机重构控制方法研究

飞翼布局无人机飞行空域大、飞行条件复杂、动压变化剧烈,尤其是在空战过程中,容易受到战斗损伤,发生部件故障,导致飞行品质下降甚至坠机。如何设计一种自修复飞行控制系统,使无人机在复杂飞行条件下,仍具有满意的飞行性能和操纵品质,并且在发生故障（舵面浮松、卡死和损伤等故障）时,仍然能够在线重构控制律,就显得非常有必要。本文结合国内外发展状况,对几种飞翼的重构控制方法进行了介绍和评述,对从事该领域的研究人员有一定的参考价值。     

未知故障下的飞机自适应控制

飞机动力学模型因受损或者其他未知故障时,预先设计的飞机控制律可能会无法满足飞机的稳定飞行,从而需要设计自适应控制律以保证飞行安全.本文以非线性的NASA-GTM通用飞机模型为对象,运用基于回顾成本的自适应控制方法(RCAC)进行飞机未知故障情况下的平稳飞行控制,包括机体结冰与控制舵面卡死两种故障情况.根据飞机局部线性化模型得到系统马尔科夫参数来设计基于输出反馈的RCAC控制器.通过最优化回顾代价函数来更新RCAC控制器增益,从而调节飞机引擎与控制舵面的输出来补偿由未知故障带来的影响.仿真结果表明在未知故障情况下,RCAC能够很好地通过自适应调整控制器的增益来保证飞机的平稳飞行和控制指令跟踪.     

某型飞机升降舵铰链力矩头部补偿研究

飞机舵面铰链力矩特性是操纵面设计的一个重要方面，本文根据某型水陆两栖飞机升降舵铰链力矩凤洞试验结果，研究了舵面头部厚度以及结构在头部前缘开口对铰链力矩特性的影响，为消除了大偏度时铰链力矩过补偿现象及舵面最终设计方案提供了一种优化结果。     

系统辨识(7)：递阶辨识原理与方法

递阶辨识是系统辨识的一个重要分支.递阶辨识原理是在大系统递阶控制的“分解-协调原理”基础上发展起来的,它不仅能够解决参数数目多、维数高、大规模系统辨识算法计算量大的问题,而且能够解决结构复杂的双线性参数系统、多线性参数系统以及非线性系统的辨识问题.首先介绍递阶辨识原理和线性方程组Ax=b的著名雅可比迭代和高斯-赛德尔迭代,给出了线性方程组的迭代方法族;其次将雅可比迭代思想和递阶辨识原理用于研究一般矩阵方程和耦合矩阵方程的递阶梯度迭代求解方法和递阶最小二乘迭代求解方法;再次介绍了方程误差模型的两阶段最小二乘辨识方法(一个简单的递阶辨识方法)和线性回归模型的递阶最小二乘辨识方法;最后研究了类多变量CARMA系统的递阶辨识方法.     

航天飞机动力学参数的辨识算法研究

再入段复杂的环境条件导致航天飞机动态模型的结构参数以较快的速度变化，从而影响整个飞行控制系统的控制品质．对此，本文采用一种新的辨识算法估计结构参数，计算结呆验证了算法的有效性．     

多项式移动平滑算法及在试飞数据预处理中的应用

提出了一种多项式移动平滑算法,并将其应用于带量测噪声的试飞数据的处理。该算法可进行状态估计、状态导数估计、量测噪声强度估计。整个算法公式建立在统一的矩阵形式基础上,因此算法中参数可以方便调整。并指明了在估计状态、状态导数、及噪声强度时,平滑多项式数据段的选取方法。在此基础上,还提出了一种新的野值处理法及流程。算例结果表明,该方法简单可行,能有效地完成数据预处理的若干任务。     

汽油发动机瞬态工况油膜参数辨识的研究

以四冲程汽油发动机为研究对象建立瞬态工况下油膜模型,用最小二乘递推算法对油膜参数进行辨识计算研究;建立了发动机空燃比的仿真模型。将辨识结果模型进行某瞬态工况空燃比仿真,并和实际发动机试验采集的空燃比进行对比。结果表明,最小二乘递推算法所辨识的油膜参数精确度较高,能满足实际控制要求,证明该辨识算法辨识油膜参数的实用性。     

一种时变参数模型法在连续变速颤振试验信号处理中的应用研究

针对连续变速颤振试验信号的非平稳特点及在线分析需求,提出了一种基于基函数的时变参数模型分析方法。该方法采用递推最小二乘算法对数据建立时变的参数模型,并将时变参数用基函数的加权和来表示,从而将1个线性非平稳问题转化为线性时不变问题。数值仿真及低速风洞气弹模型的试验结果证明了文中方法的计算精度和速度可以满足连续变速颤振试验的要求。     

基于GA-LSSVR算法的回采工作面瓦斯涌出量预测

针对回采工作面瓦斯涌出量问题的小样本、非线性、影响因素关系复杂等特点,采用遗传-最小二乘支持向量回归算法对瓦斯涌出量进行预测,利用定量方法进行分析,避免了定性分析的局限性,有效提高了预测的精度。该模型首先利用遗传算法对最小二乘支持向量回归机中的参数进行训练和优化,然后运用遗传-最小二乘支持向量回归模型对测试样本进行了回采工作面瓦斯涌出量测试。测试结果表明:与支持向量回归机以及最小二乘支持向量回归机的预测值相比,遗传-最小二乘支持向量回归的回采工作面瓦斯涌出量预测可靠性和精确性更高。     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

集中剪切型系统的层间参数识别法

提出了一种集中剪切型系统的层间参数识别法。对于层状地基－基础－框架这一集中剪切型系统,将层间刚度和阻尼从总体系统中分离出来,依据最小二乘识别法则,导出了层间刚度和阻尼这些层间参数识别的递推方程,以此为基础建立了该系统的层间参数识别方法。并以人工模拟系统输入和输出的方法,对一位于三层粘性土上的框架结构系统,实施了参数识别的全过程。结果表明,所建立的系统参数识别方法,对识别初始值的要求较低,且具有良好的识别精度。     

基于最小二乘支持向量机的黏着状态辨识

针对重载机车黏着状态辨识中分类准确率不高的问题,提出采用布谷鸟遗传算法对最小二乘支持向量机的参数进行优化,并采用交叉验证原理提高该模型的整体泛化性能。首先,采用布谷鸟算法寻找惩罚因子和核参数的初始值;然后,采用遗传算法对最小二乘支持向量机进行训练,从而得到具有最佳参数的最小二乘支持向量机的分类模型。该分类模型将重载机车黏着状态分为正常、故障征兆、微小故障和严重故障4个状态。实验结果表明,提出的最小二乘支持向量机模型在黏着状态辨识中的分类准确率高达94.59%,高于极限学习机的分类准确率(84.61%),证明布谷鸟遗传算法能够有效提高最小二乘支持向量机的分类准确率。     

面向分布实时嵌入式系统的任务优化调度算法

文章针对负载难以准确预知且动态变化的复杂分布实时嵌入式系统,提出了一种基于快速模型预测控制的任务调度算法,通过动态调整分配在各个处理器上的任务QoS,使得每个处理器的CPU利用率保持在参考值附近,保证了任务的实时性;利用多参数二次规划的方法求解模型预测控制中的约束优化问题,可有效减小算法的执行时间.实验结果表明算法有效且负载极小.