飞机颤振模态参数识别方法研究

论文摘要

颤振模态参数识别是当前飞机颤振试飞试验的一个重要课题。传统模态参数识别方法受低信噪比，密集模态、非线性等因素的影响往往无法给出准确的识别结果。为此，本文以新近发展的信号处理和系统辨识理论为基础，结合我国新型飞机颤振试飞的实际需求，研究并提出了颤振试验模态参数识别的新方法。其中的部分研究成果已成功应用于某型飞机的颤振试飞试验数据分析，产生了显著的军事和经济效益。本文的主要研究内容如下： 1 为提高小火箭激励条件下试飞试验数据的信噪比，提出了一种用于颤振飞行试验数据处理的小波去噪方法。该方法引入梯度倒数加权滤波器对数据进行预处理，处理后的数据运用冗余小波进行小波分解，然后对输入信号在不同尺度下分别进行阈值降噪，对输出信号则采用了一种改进的小波空域相关滤波法去噪。结果表明算法能有效提高试飞数据的信噪比。 2 为进一步提高脉冲激励响应信号的去噪效果，又提出了一种新的基于支持向量机的试飞响应数据去噪方法，该方法利用了脉冲响应的起始段数据信噪比较高的特点，将去噪问题转化成一个时间序列的预测问题，同时考虑到颤振信号的非平稳性，弱非线性以及数据长度较短的特点，采用支持向量机构造预测模型，获得了理想的去噪效果。 3 针对电传飞机采用的舵面扫频激励，分别提出了小波时频域去噪算法和分数阶傅立叶域去噪算法。二者皆利用了扫频信号在时频域内的聚焦特性，采用遮隔操作达到信噪分离的目的。所不同的是前者采用Morlet小波对扫频激励及其响应进行时频分析，在时频域内实现信噪分离。后者则是采用分数阶傅立叶变换，在分数阶傅立叶域内实现信噪分离。相比较于前者，后者的去噪效果更好，计算量更小。 4 为弥补传统最小二乘频域拟合辨识算法的不足，在整体最小二乘算法的基础上，将广义整体最小二乘和加权迭代广义整体最小二乘引入到模态参数辨识问题中，形成了频域内的整体最小二乘类辨识算法。该类算法利用线性的整体最小二乘类算法估计模型系数，避免了复杂的非线性优化计算及对初始值的

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 颤振试飞试验概述
• 1.2.1 颤振试飞试验历史回顾
• 1.2.2 颤振数据处理发展简史
• 1.3 颤振模态参数识别技术现状及存在的问题
• 1.3.1 颤振信号处理研究
• 1.3.2 颤振模态参数辨识研究
• 1.3.3 颤振模态参数识别技术存在的问题
• 1.4 论文的主要工作与章节安排
• 1.4.1 主要工作
• 1.4.2 章节安排
• 第2章 基础理论
• 2.1 简化颤振理论
• 2.1.1 简化颤振方程的建立
• 2.1.2 颤振基本理论
• 2.2 颤振试飞试验的线性分析
• 2.3 颤振模态参数辨识与模型
• 2.3.1 基本模型
• 2.3.2 离散时间模型转换
• 2.3.3 模型与输出
• 2.3.4 颤振模态的能控性与能观性
• 2.4 颤振试飞试验基本方法
• 2.4.1 颤振试飞实施步骤
• 2.4.2 颤振激励
• 2.4.3 颤振测量
• 2.5 本章小节
• 第3章 颤振试飞试验数据去噪研究
• 3.1 小波去噪
• 3.1.1 原理与方法描述
• 3.1.2 梯度倒数加权滤波预处理
• 3.1.3 静态小波变换
• 3.1.4 冲击输入信号的小波阈值去噪
• 3.1.5 改进空域相关滤波对响应信号去噪
• 3.1.6 仿真算例
• 3.2 基于支持向量机的数据去噪
• 3.2.1 支持向量机回归算法
• 3.2.2 基于LS-SVM的颤振试飞数据去噪
• 3.2.3 基于奇异值分解滤波的训练数据预处理
• 3.2.4 仿真算例
• 3.3 小波时频域去噪
• 3.3.1 时频分析与小波变换
• 3.3.2 扫频激励响应的时频滤波
• 3.3.3 遮隔操作
• 3.3.4 响应信号重构
• 3.3.5 仿真算例
• 3.4 分数阶傅立叶域去噪
• 3.4.1 分数阶傅立叶变换
• 3.4.2 分数阶傅立叶域去噪
• 3.4.3 分数阶傅立叶变换的计算
• 3.4.4 仿真算例
• 3.5 实测试飞数据去噪与结果分析
• 3.5.1 小火箭脉冲激励试验去噪
• 3.5.2 舵面扫频激励试验去噪
• 3.6 本章小节
• 第4章 颤振模态参数辨识的频域整体最小二乘类算法
• 4.1 问题描述
• 4.2 频域传递函数模型
• 4.3 频域最小二乘算法（FLS）
• 4.4 频域整体最小二乘算法（FTLS）
• 4.5 频域广义整体最小二乘算法
• 4.6 频域加权迭代广义整体最小二乘算法
• 4.7 基于频响函数的整体最小二乘类辨识算法
• 4.8 正交多项式向量与数值稳定的频域辨识算法
• 4.8.1 正交多项式向量与频域最小二乘辨识算法
• 4.8.2 正交多项式向量基的建立
• 4.8.3 正交多项式向量与广义整体最小二乘辨识算法
• 4.9 频率响应函数与方差的非参数估计
• 4.9.1 频率响应函数估计
• 4.9.2 方差估计
• 4.10 频域整体最小二乘类辨识算法的应用讨论
• 4.11 仿真算例
• 4.12 应用实例
• 4.13 本章小节
• 第5章 颤振模态参数的小波辨识
• 5.1 连续小波变换（CWT）与Morlet小波
• 5.2 模态参数的小波辨识方法
• 5.2.1 单自由度系统的模态参数辨识
• 5.2.2 多自由度系统的模态参数辨识
• 5.3 方法分析
• 5.4 时频分辨率与端点效应
• 5.5 仿真算例
• 5.6 应用实例
• 5.7 本章小节
• 第6章 颤振模态参数的频域子空间辨识
• 6.1 正交投影
• 6.2 频域子空间辨识算法
• 6.2.1 基本关系
• 6.2.2 一般算法描述
• 6.2.3 子空间辨识算法的数值稳定性
• 6.3 频域加权子空间辨识算法
• 6.4 颤振模态参数的子空间辨识
• 6.4.1 颤振模态参数辨识
• 6.4.2 应用讨论
• 6.5 仿真算例
• 6.6 应用实例
• 6.7 本章小节
• 第7章 回顾与展望
• 7.1 论文工作回顾
• 7.2 进一步工作展望
• 致谢
• 参考文献
• 攻读博士学位期间论文发表及科研工作情况