引射式跨声速风洞流场控制软件设计

目前提出的引射式跨声速风洞流场控制软件抽气端压力过大,导致排气阀气流排气速度变化过于剧烈;设计了一种新的引射式跨声速风洞流场控制软件,在风洞的控制程序中引入了马赫数和雷诺数,对控制质量进行试验检测,以实现风洞系统能够达到更精准快速的控制水平;在风洞流场控制系统中引入了解耦系统,对风洞测试各部分参数进行解耦筛选,提高各参数的准确度,有利于控制系统实现精准控制;实验结果表明,设计的引射式跨声速风洞流场控制软件能有效降低引射式跨声速风洞流场控制软件抽气端压力,使排气阀气流排气速度处于稳定状态。     

风洞系统非线性块状结构模型

本文将非线性块状模型的建模思想引入风洞系统模型的建立过程中,针对主排气阀和栅指电液伺服机构具有死区非线性特性,分别用含有死区输入的Hammerstein块状模型描述其动态特性,将主排气阀和栅指机构的输出作为风洞流场的输入,建立两输入两输出多变量耦合动态模型.两个独立的Hammerstein子模型与线性动态耦合的风洞流场模型串联构成一个非线性多变量块状模型.采用自适应加权递推辨识算法在线辨识Hammerstein子模型参数,采用带有遗忘因子的递推最小二乘法辨识风洞流场模型参数.仿真与风洞现场测试结果验证了本文方法的有效性.     

风洞移测架测控系统

本文主要介绍了风洞移测架测控系统的组成及其控制系统和测试系统的硬件、软件实现。本系统用于风洞流场校测。系统软件在Windows2000下用CVI编程，用户界面美观。     

暂冲式高速风洞连续变速压颤振试验流场控制系统研究

相对于阶梯变速压颤振试验,连续变速压颤振试验具备更高的可靠性和效率,可以为先进飞行器的颤振边界预测及颤振特性分析提供更为安全可靠的技术支撑。为实现定马赫数连续变速压颤振试验技术,设计了连续变速压流场控制系统,通过引入解耦控制与专家PID控制优化了控制效果。风洞验证试验结果表明,该系统具有良好的控制效果,可满足定马赫数连续变速压流颤振试验对风洞流场控制指标的要求。     

遗传算法在跨超声速风洞总压控制中的应用

总压作为风洞控制中的重要流场参数,其调节性能是风洞控制系统能否满足试验要求的重要指标,为提高跨超声速风洞的总压控制水平,需对总压控制策略进行设计。针对某跨超声速风洞对总压控制系统提出的快速性和精确性要求,提出串级控制、智能PID控制和总压分段控制等方法,并利用MATLAB系统辨识工具箱对流场调节阶段的总压系统模型进行了辨识。提出将遗传算法应用于风洞流场调节阶段的PID控制器参数整定中,重点对基于遗传算法的PID控制原理和参数整定步骤进行介绍,并针对遗传算法的遗传算子进行了设计。系统仿真和风洞实际运行情况表明：该方法较常规PID参数整定与优化方法,具有更好的控制性能指标,满足总压控制系统精确性、快速性、鲁棒性等要求,为后续风洞建设和设备改造提供了新方法。     

0.6米暂冲式跨超声速风洞控制系统研制

0.6米暂冲式跨超声速风洞控制系统子系统繁多,逻辑关系复杂,采用基于现场总线和网络化的开放式集散系统进行信息通讯.PXI核心控制系统作为关键子系统,在风洞不同运行阶段采用不同流场控制策略,其风洞总压和马赫数控制精度优于0.2％和0.002.安全联锁控制系统能够实时监控显示风洞运行状态,并与PXI核心控制系统构成冗余设计...     

某跨超声速风洞流场控制软件结构设计

采用LabVIEW开发平台,按照模块化和结构分层设计思想,设计了一套风洞流场控制软件.软件包括上位运行管理和现场实时应用软件两部分,运行管理软件负责参数管理和试验调度,实时应用软件采集现场传感信息并依据试验要求实现风洞压力、位置闭环控制.风洞综合性能调试表明,软件功能完善,满足风洞多种试验工况流场控制要求,并且软件功能分层清晰、结构设计合理、可维护性强、易扩展,为新建风洞流场控制软件开发提供了一种可靠的解决方案.     

基于迭代学习的风洞马赫数控制方法

大飞机的研制对风洞流场马赫数精度提出了更高的要求,带有姿态角补偿的模型预测控制器有效地提高了马赫数的精度。然而,由于很难准确获取所有吹风工况的姿态角补偿模型,导致部分新工况控制效果不佳,影响了马赫数的精度。因此,提出一种基于迭代学习的获取姿态角补偿模型的方法。在已有的姿态角补偿模型基础上,根据实际的吹风试验数据,对姿态角补偿模型进行修正。经过多次吹风结果逐步提高补偿模型的精度,提升变姿态角过程中流场控制器抵抗扰动的能力,达到提高马赫数精度的目的。     

0.6米暂冲式跨超声速风洞流场控制系统设计

针对0.6米暂冲式跨超声速风洞结构组成复杂、系统控制精度要求高、运行方式多样和运行安全要求严格的特点,分析了流场控制系统的硬件结构,开展了基于NI LabVIEW开发平台的风洞流场控制软件设计研究工作。重点介绍了控制系统组成、软件的结构和功能设计、信号采集与处理、控制策略和安全策略等内容。应用结果表明：该系统具有调节快、精度高、稳定性好、安全可靠的特点,成功实现了暂冲式跨超声速风洞复杂流程控制系统的应用软件开发。     

基于PID神经网络的多变量非线性动态系统辨识

文章研究基于PID神经网络的多变量非线性动态系统辨识问题。文中介绍了PID神经网络的结构和算法,分析了PID神经网络进行多变量动态系统辨识的特点和理论依据,采用PID神经网络实现了辨识任务,并给出了快速收敛的辨识结果。     

风洞试验流程描述与解析设计

风洞流场控制软件是风洞控制系统的核心,它负责调度、管理流场调节设备的功能和时序。面对不同的试验对象和试验内容,流场控制软件的控制时序和逻辑会产生一定差异,传统基于代码描述的流场控制软件维护难度大,对软件维护人员要求比较高,软件管理比较困难。为克服上述软件设计模式带来的维护管理困难等问题,在某高速风洞控制系统研制中,采用基于自然语言进行流程描述的流场控制软件设计方法,运行管理软件开发专用的试验流程描述操作界面,试验前采用自然语言进行试验流程描述,风洞现场PXI实时应用软件解析试验流程驱动风洞设备按照编制的流程运行。该方法实现了试验工况调整变更的无代码维护操作,降低了软件维护难度和工作量。     

船舶运动仿真模型

船舶运动形成复杂的流场,难以建立准确的数学模型,因此对其操纵性能进行仿真和理论十分困难。该文根据实验数据,用神经网络辨识方法建立了某船的水动力模型,实践证明：用神经网络辨识方法所建立的数学模型能够真灾地反映船舶的运动特性。该文为研究非线性的水动力问题提供了一种行之有效的方法。     

基于MATLAB的神经网络辨识与控制工具箱

该文简单介绍了基于MATLAB的NNSYSID，NNCTRL神经网络辨识与控制工具箱，详细说明了工具箱中用于系统辨识的函数和用于控制器设计的函数，并通过一个具体的例子来说明利用工具箱来设计非线性系统的神经网络辨识器和控制器。     

风洞单自由度移测架及其控制系统设计

介绍一种用于风洞流场校测的单自由度移测架及其控制系统,该系统可以自动控制测量风洞流场截面上下各点的流场.这种设备移动方向控制精度高,制造成本低,更为关键的是用这种系统取代传统的人工测试方法大大提高了测量效率.且这种具有计算机控制的单自由度移测架在国内尚无产品,因而深受风洞使用单位的欢迎.     

一种用于系统辨识与预测中的反馈神经网络

该文给出了一种应用于系统辨识和预测的反馈神经网络算法。这种反馈神经网络具有结构清晰、算法简单的优点,并且弥补了前馈神经网络在辨识过程中的缺点和不足。该文在最后给出了使用该反馈神经网络算法在Matlab软件包中对火电厂热工对象进行辨识与预测仿真的结果。     

基于MATLAB神经网络的NNSYSID和NNCTRL工具箱

0　引言神经网络目前已经成为辨识和控制非线性系统的一种大众化工具 ,它的实现方法最常用的是软件仿真 ,MATLAB神经网络工具箱就是其中的优秀代表[1] ,广泛地应用于多种场合。不过这些工具箱都是一般意义上的工具箱 ,缺少系统辨识和控制设计用的针对性很强的工具箱。本文介绍的NNSYSID和NNCTRL工具箱就是新近开发的专门针对系统辨识和控制用的工具箱[2～ 4 ] 。NNSYSID工具箱是基于神经网络的系统辨识工具箱 ,它可以帮助辨识非线性动态系统参数 ,并且具有大量的基于神经网络的非线性模型结构 ,以及有效的学习算法和验证模型结构…     

一种跨声速风洞移测架伺服控制系统

移测架在风洞流场校测及精细化测量中发挥着重要作用,为实现某跨声速风洞流场的精细化测量,设计一套高精度移测架伺服控制系统,用于移测架精确定位控制.讨论了伺服控制系统的硬件配置、软件设计、安全联锁,介绍了控制策略.设计的伺服控制系统可实现风洞试验段X轴方向0.03mm定位控制精度,对提高风洞流场校测的精细化测量水平具有重要意义.     

叶轮风速表示值误差测试方法研究

以皮托管和微压计测量的空气流速作为参考风速,研究叶轮式风速表的风洞实验室示值误差测试方法;介绍了叶轮式风速表的工作原理,分析了测试所用到仪器设备技术指标,进行了叶轮式风速表实例测试,对测试实例进行了不确定度评定与分析并作了示值误差的符合性判定;结果表明,5 m/s及以下时不确定度的最主要来源为风洞流场总压和静压差的测量,5 m/s以上时不确定度的最主要来源为风洞流场的不均匀性、皮托管与气流夹角等影响量,可通过提高微压计精度、减小风洞流场不均匀性和减小皮托管与气流夹角等方式进一步减小测量不确定度。     

PID神经网络及其非线性动态系统辨识能力分析

PID神经网络具有在线自学习能力,通过无教师的自学习方式,PID神经网络成功现了不同的系统辨识,本文在介绍PID神经网络的基础上,论述了PID神经网络进行系统辨识的理论依据,给出了PID神经网络通过自学习进行非线性动态系统的辨识的结果。     

神经网络并联辨识算法的收敛性研究

神经网络可用来建立非线性动态系统的模型，其辨识模型可分为串联并联辨识模型和并联辨识模型两种，后者的思路源于基于参考模型自适应方案的输出误差辨识模型，对观测扰动有较强的抑制能力。本文对这种神经网络并联辨识结构的收敛性进行了研究，指出在网络参数满足一定条件时并联预测过程收敛，且并联辨识算法具有局部收敛性，仿真实验验证了上述结论。