基于RP-EKF的无人机动力系统参数辨识

针对无人机动力系统电池电压波动导致系统噪声大、辨识结果精度低的问题,本研究提出了一种基于反向预测-增广卡尔曼滤波(RP-EKF)的无人机动力系统参数辨识方法。首先构建增广参数矩阵,将压降噪声模型考虑入辨识环节,其次提出反向预测卡尔曼滤波算法,设定新息平方比阈值,计算原始预测新息平方与反向预测新息平方的比值,通过对比预测新息比与阈值完成过程噪声调整并实现估计模型修正。实验结果表明,本文提出的基于RP-EKF的参数辨识方法,平均误差为39.22 rpm,均方根误差为55.85 rpm,平均相对偏差为0.85%,相比于最小二乘算法与卡尔曼滤波算法,本文方法辨识结果平均误差分别提高41.51%和22.26%,均方根误差提高49.63%和13.0%,平均相对偏差提高41.7%和22.7%。本文提出的算法拥有更高的辨识精度。

3自由度飞行模拟运动平台动力学参数辨识试验研究

以一种具有一平动两转动的3自由度新型并联飞行模拟运动平台为研究对象,为满足飞行模拟动感要求,研究其动力学参数的试验辨识方法,以进一步提高动力学模型的精度。针对模拟平台样机,采用分步辨识法辨识动力学参数。将电机的驱动力矩分为:减速器惯性力矩、丝杠惯性力矩、综合摩擦力矩和负载力矩,并分别辨识。再根据负载力矩分两步辨识平台的主要动力学参数。设计平台参数辨识试验的激励轨迹,采用加权最小二乘法计算出待辨识参数,并代替理论模型中的对应参数。最后通过试验和ADAMS仿真对比验证参数辨识策略的正确性。

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。

导管架结构缩尺试验模型研制及模态试验

对于海洋导管架平台这种复杂而庞大的大型工程结构而言,其静、动力学性能的真实物理模型实验难以开展,大多以缩尺试验模型替代。首先,针对导管架结构特点,结合大学生创新实验的相关内容,提出了缩尺试验模型设计思路,并制作加工出满足几何相似、质量相似、刚度相似的导管架结构缩尺试验模型。在此基础上,为验证缩尺试验模型的动力相似性要求,搭建了缩尺试验模型的模态试验装置,开展了缩尺模态试验。基于该缩尺试验平台,能够有效开展缩尺导管架结构的静力和动力性能测试,并可结合结构的有限元仿真验证,开展广泛的大学生创新实验,实现工程问题与创新实验的有机结合,促进大学生科学实验能力和创新能力的提高。

电动助力转向电机补偿控制方法

搭建电动助力转向(Electric Power Steering,EPS)硬件在环试验平台,基于最小二乘法辨识电机电参数。传统基于转速符号函数或饱和函数的摩擦补偿控制方法,只有在相对转动时补偿系统的动摩擦转矩,为此提出一种动静摩擦共同补偿控制方法。此外,基于电机角加速度进行惯量补偿控制,改善EPS系统惯量对手力的影响;基于电机角速度进行阻尼补偿控制,改善汽车回正性能。