基于高斯粒子滤波的陀螺ARIMA模型辨识方法

ARIMA模型是陀螺信号处理中的一种重要方法,研究ARIMA模型辨识方法对提高陀螺精度有着重要意义。针对常规ARIMA建模滤波方法应用于光纤陀螺时滤波精度较低的问题,在ARMA模型基础上建立了一种适用于中低精度光纤陀螺的非平稳随机过程的ARIMA模型,提出了基于高斯粒子滤波的光纤陀螺ARIMA模型辨识方法。将光纤陀螺的ARIMA模型辨识与状态估计相结合,构建非线性的滤波模型,利用光纤陀螺实测信号进行了实验,结果表明所提出的方法能够有效地抑制光纤陀螺随机噪声,具有较高的工程应用价值。     

摆式陀螺经纬仪粗寻北的新方法

针对现有摆式陀螺经纬仪粗寻北方法存在的不足,提出利用检测陀螺力矩实现陀螺经纬仪粗寻北的新方法.推导了陀螺力矩对轴承的水平作用力与陀螺主轴方位角之间的数学公式,在地球自转角速度相对陀螺转子角速度非常小的情况下,对公式进行了简化和仿真运算.采用该方法改进了某型号陀螺经纬仪的粗寻北,实验表明在不影响陀螺经纬仪测量精度的前提下,简化了操作程序,缩短了测量时间.     

基于自适应神经模糊推理系统的陀螺建模方法

系统地介绍了近年来陀螺信号处理中出现的各种主要的滤波方法,并分析了各自的优缺点.针对陀螺输出信号自身的特点,提出了一种基于自适应神经模糊推理系统的陀螺滤波方法,建立了陀螺误差模型.提出的滤波方法同时具有神经网络与模糊逻辑推理的优点,从而有效地减小了建模误差.分别探讨了陀螺静态时的零偏信号估计模型与敏感动态信号时的滤波方案.由仿真结果可以看出,该方法可以有效地估计陀螺的零偏,并能抑制陀螺输出信号中的噪声.     

陀螺加速度计线振动台进动整周测试方法

为了提高陀螺加速度计在线振动条件下的标定精度,提出了陀螺加速度计在线振动台上的进动整周期的测试方法。该方法将陀螺加速度计正倒置安装后,在静态和线振动状态下分别测量陀螺加速度计进动整周期中的相关时间数据,计算出陀螺加速度计进动整周期的平均角速率,通过平均角速率与陀螺加速度计模型输出间的积分关系,推导出了陀螺加速度计在线振动台上的标定误差模型,辨识出了加速度计的零偏、标度因子、二次项系数和三次项系数。该方法抑制了陀螺加速度计输出的平均角速率误差,能够提高陀螺加速度计在线振动台上测试的精度。最后进行了算法验证,验证了该方法能够准确的辨识出加速度计的各项误差模型系数,辨识精度达到10?7,提高了陀螺加速度计在线振动台上的标定精度。     

光纤陀螺加速退化试验的可行性

以可靠性试验技术为基础,对加速退化试验方法在光纤陀螺产品中实施的可行性进行了探索研究。对光纤陀螺所用器件在长期使用条件下性能变化及其对陀螺整机性能的影响进行了分析,阐述了光纤陀螺性能退化存在的可能性,并通过光纤陀螺长期使用实验数据进行验证,得出了光纤陀螺具有性能退化特性的结论。采用可靠性摸底试验方法对光纤陀螺性能退化在温度环境应力下的可加速性进行了探索,通过温度加速应力下光纤陀螺实际工作性能数据分析得出其性能退化具有加速性,对光纤陀螺实施加速退化试验可行。     

激光陀螺捷联惯导系统外场快速标定新方法

针对激光陀螺具有标度因数稳定、漂移误差变化小的特点,建立了适合激光陀螺捷联惯导系统的陀螺及加速度计组件简化误差参数模型,推导出了适合激光陀螺捷联惯导系统外场快速自标定的误差模型,设计了激光陀螺捷联惯导系统9位置系统级标定方法,并通过试验验证了该方法可快速准确的标定出加速度计组件的标度因数、安装误差、零偏及激光陀螺安装误差等15个主要参数,方法简单易行。     

太空单粒子效应光纤陀螺输出地面模拟分析

为了研究在地面环境下模拟分析空间用光纤陀螺输出特性,对光纤陀螺静态高速输出连续相同数据的特性展开了研究。通过对光纤陀螺系统建模,研究了前向增益与两种陀螺输出滤波器的特性。提出了一种计算光纤陀螺静态条件下输出连续相同数据概率的方法。通过理论计算、仿真、实验相结合的研究方法,相互验证了其正确性,发现陀螺输出连续五次相同的概率的量级为10-11,发生的概率极小,为空间应用光纤陀螺系统时钟故障诊断提供了参考。通过研究发现陀螺前向增益越小,越容易导致陀螺输出连续相同的数据;陀螺滤波器对陀螺输出连续相同数据的固有特性有重要的影响;平滑滤波器较FIR滤波器更容易导致输出连续相同的数据。     

基于电极模态切换的半球谐振陀螺自校准方法

针对因受加工技术、加工条件以及外部环境因素等影响,半球谐振陀螺在力平衡模式下输出零偏稳定性及重复性变化较大的问题,提出一种基于模态切换的陀螺自校准方法。基于半球谐振陀螺二阶振动模态机理,建立理想状态下谐振子运动方程,并分析推导了谐振子在阻尼不均和频率裂解等非理想因素影响下的运动模型和参数控制方程。根据谐振陀螺输出漂移特性,提出了一种基于电极功能切换的半球谐振陀螺自校准方法。通过相关实验,分析比较了电极模态切换前后陀螺输出稳定性及重复性,实验结果表明,陀螺零偏稳定性提升1.8倍以上,陀螺零偏重复性提升90.5%,所提方法能有效估计及补偿陀螺漂移,提高半球谐振陀螺输出的稳定性和重复性。     

基于Faraday效应的光纤陀螺频率特性评估方法

由于角振动台的振动频率有限,无法实现光纤陀螺的高带宽测试。提出了基于Faraday效应的光纤陀螺频率特性评估方法,采用正弦电流激励下的Faraday相位差等效Sagnac相位差,解决了激励信号输出频率有限的问题。根据光纤中的Faraday效应原理,分析了该评估方法与光纤陀螺角振动台测试方法的等效性;搭建了评估系统,使用该评估系统来模拟某型号光纤陀螺的信号处理过程,进行等效评估实验,得到了等效评估的光纤陀螺闭环带宽为9 kHz,实现了高带宽光纤陀螺的频率特性评估测试,为改善光纤陀螺的动态特性提供了有效的验证平台。     

双质量硅微机械陀螺仪带宽拓展系统设计

检测开环状态下,微机械陀螺的实际工作带宽约为驱动和检测模态固有频率差值(?f)的一半,而陀螺结构的机械灵敏度与Δf成反比,较高的机械灵敏度有助于优化陀螺的噪声特性。本文提出了一种较为通用的陀螺带宽拓展方法,在使陀螺拥有较好的机械灵敏度基础上有效提高陀螺带宽以增强其动态环境适应性。首先,建立了陀螺检测系统的模型,并进一步得到了陀螺结构的传递函数和机械带宽。其次,分析了带宽拓展控制器的系统特性,设计了基于比例-积分串联相位超前控制方法的带宽拓展控制器,并对其进行了系统级和电路级仿真,验证了设计参数。最后进行了测试,结果表明采用本文所述方法可将陀螺带宽从原有的13 Hz拓展到了104 Hz,且具有较好的带内平整度,验证了设计方案。     

Elman动态递归神经网络在陀螺仪系统建模中的应用

本文针对Ｅｌｍａｎ 动态递归神经网络的特点,提出了一种基于Ｅｌｍａｎ 动态递归神经网络建立陀螺仪系统模型的方法。文中给出了Ｅｌｍａｎ 网络的网络结构和学习方法,并对建立起的网络模型进行了仿真,仿真结果表明,该方法是可行的。     

模糊—神经网络控制算法及其在离心力—振动复合环境试验系统中的应用

针对离心－振动复合环境试验系统所存在的耦合性、非线性和不确定性提出了一种模糊－神经网络控制算法,利用被控对象输入输出信息离线、在线相结合学习系统的动态特性,对时变、非线性系统进行跟踪控制,并研究了该算法在系统中的实现方法。实现表明了控制系统具有良好的跟踪能力。该算法也适用于快速变化这类系统的实时控制。     

基于复数神经网络的粘弹性材料动态模量拟合方法

固体火箭发动机药柱粘弹性材料除具有弹塑性特性,还具有粘滞性,这一特性使得材料变形具有明显的时间效应,本构关系复杂,进行动态力学分析时,动态模量难以有效拟合．本文提出了一种基于(Levenberg-Marquardt, L-M)算法的复数神经网络拟合粘弹性材料动态模量的方法．通过广义Maxwell模型推导得到材料的动态模量表达式,以此构造未定网络参数为复数的神经网络,从而提供了一种输入、输出样本均为复数的神经网络解决方法．将实数L-M训练算法进行改进,衍生到复数领域,提出复数L-M训练算法．通过粘弹性材料实验,将实验数据时温等效转换,获得复数神经网络的训练及测试样本．通过对神经网络进行训练,实现粘弹性材料动态模量的高精度拟合．数值算例表明,与传统神经网络拟合方法相比,所提方法在训练速度和泛化能力方面都有其优越性．     

薄板弯曲问题的神经网络方法

为发展神经网络方法在求解薄板弯曲问题中的应用,基于Kirchhoff板理论,提出一种采用全连接层求解薄板弯曲四阶偏微分控制方程的神经网络方法。首先在求解域、边界中随机生成数据点作为神经网络输入层的参数,由前向传播系统求出预测解;其次计算预测解在域内及边界处的误差,利用反向传播系统优化神经网络系统的计算参数;最后,不断训练神经网络使误差收敛,从而得到薄板弯曲的挠度精确解。以不同边界、荷载条件的三角形、椭圆形、矩形薄板为例,利用所提方法求解其偏微分方程,与理论解或有限元解对比,讨论了影响神经网络方法收敛的因素。研究表明,本文方法对求解薄板弯曲问题的四阶偏微分控制方程具有一定的适应性,其收敛性受多种条件影响。相比有限元,该方法收敛速度较慢,在复杂的边界条件下收敛性不佳,然而其不基于变分原理,无需计算刚度矩阵,便可获得较高的计算精度。     

基于转角模态和小波神经网络的连续梁损伤识别研究

基于小波奇异性检测原理和神经网络非线性映射能力,结合结构基本模态参数,提出了一种结合小波神经网络与结构转角模态的损伤识别方法．首先,建立三跨连续梁的有限元模型获取结构模态参数,并对其进行Mexihat小波变换,通过系数图突变点判断结构损伤位置．然后,将小波系数模特征向量作为BP神经网络的输入,分别研究了该方法在单损伤和多损伤工况下的识别能力．最后将不同工况下神经网络预测值与结构实际损伤程度进行对比,得到单处损伤预测误差平均值为0.22%,多处损伤预测误差平均值分别为0.22%和0.18%,结果表明该方法在结构损伤识别方面的有较高有效性及精确度．     

null

Based on the preferred plane theory for regional stability assessment, princIple and methods of artificial neural network (ANN), the model of back propagation (BP) neural network and its algorithm for the preferredfault recognition are discussed in this paper. Practical examples indicate that the new method using BP neural network to determine preferred fault is effective and the prediction result is good.     

基于反向传播神经网络的疲劳裂纹扩展分析

材料发生疲劳断裂时往往会引起重大安全事故,而基于传统数值模拟方法求解疲劳裂纹扩展问题时模 型复杂、计算量大．本文基于包含多隐层的反向传播神经网络分析金属材料疲劳裂纹扩展行为,计算了裂纹扩 展过程中的 von Mises应力场和位移场,并与数值解和实验解进行对比,误差分析结果表明其求解精度高．并 基于该神经网络有效预测了裂纹扩展中裂纹长度及裂纹扩展速率的变化过程,预测精度高．该神经网络分析方 法可为材料剩余寿命和疲劳强度预测提供研究基础．     

基于神经网络方法的包装件非线性特性识别的研究

结合模糊集合理论，将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题．对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明，据此方法可以较好地获得其非线性特性．模糊自适应技术的引入，提高了网络训练速度，减少了对于训练参数的人为干预，使得结构化神经网络方法更适于实际应用．     

面内变刚度薄板弯曲问题的挠度?弯矩耦合神经网络方法

发展了一种求解面内变刚度功能梯度薄板弯曲问题的神经网络方法. 面内变刚度薄板弯曲问题的偏微分控制方程为一复杂的4阶偏微分方程, 传统的基于强形式的神经网络解法在求解该偏微分方程时可能会遇到难以收敛、边界条件难以处理的情况. 本文基于Kirchhoff薄板弯曲理论, 提出了一种直角坐标系下任意面内变刚度薄板弯曲问题的神经网络解法. 神经网络模型包含挠度网络与弯矩网络, 分别用于预测薄板的挠度与弯矩, 从而将求解4阶偏微分方程转换为求解一系列二阶偏微分方程组, 通过对挠度、弯矩试函数的构造可使得神经网络计算结果严格满足边界条件. 在误差的反向传播中, 根据本文提出的误差函数公式计算训练误差并结合Adam优化算法更新模型的内部参数. 求解了不同边界条件、形状的面内变刚度薄板弯曲问题, 并将所得计算结果与理论解、有限元解进行对比. 研究表明, 本文模型对于求解面内变刚度薄板弯曲问题具备适应性, 虽然模型中的弯矩网络收敛较挠度网络要慢, 但本文方法在试函数的构造上更为简单、适应性更强.      

基于神经网络的隐式显化方法在结构可靠度分析中的应用

针对结构可靠度分析中极限状态方程不能明确表达的情况,结合神经网络技术,提出了隐式极限状态方程转换为显式表达式的方法.该方法利用神经网络的非线性映射能力,构造出显式表达的极限状态方程,从而可以很方便的引入一次二阶矩等其他基本求解方法进行结构可靠度分析.实例数值结果表明,基于神经网络将隐式函数转化为明确表达的极限状态方程是可行的,同时该方法具有较高的精度,为结构可靠度计算提供了新的有效思路和手段.