一、飞机风洞实验数据不确定度估计方法(论文文献综述)
王艳[1](2021)在《基于一维图像组合的空间目标位姿测量关键技术研究》文中指出随着科技的发展,空间目标的位姿测量技术在航空、航天、工业等各领域发挥着举足轻重的作用,而基于光学图像的位姿测量技术则是近景摄影测量、计算机视觉和遥感等领域的研究热点,其具有非接触、设备简单及测量精度高等优点。近年来,随着线阵CCD、CMOS传感器技术的发展和线阵光学图像研究的深入,基于线阵光学图像传感器在空间目标位姿测量的优势得以展现。相比激光、雷达等其他非接触测量方式,其具有不可替代的作用。针对传统的基于面阵光学图像的位姿测量技术的精度和速度之间的矛盾,本文提出一种基于一维图像组合的空间目标高精度位姿估计方法,旨在完成对空间悬浮姿态运动目标的高精度位姿测量任务。课题研究应用于空间目标位姿测量的悬浮试验,针对线阵信号特性,提出了一种改进的高精度像点质心定位方法,基于线阵像机的成像机制,研究了一种新型的线阵像机标定方法,基于多线阵像机测量机制,建立了多线阵像机位姿测量系统的数学模型,开展了基于多线阵组合测量的空间目标高精度位姿估计算法研究,并建立了合作目标的高精度、快速的姿态解算模型。本文提出的方法可对装有惯导的被测目标运动参数进行校验,因此,实现多线阵CCD对空间运动点目标的运动检测,高精度地完成对运动目标的位姿测量将具有广泛的应用前景。论文的主要研究工作包括以下几个部分:(1)设计并研制了一套由三线阵CCD组成的位姿测量系统,研究了影响三线阵像机公共视场变化的因素,对像机的有效工作视场空间进行了分析。基于原始采集的线阵信号,根据其噪声的分布性质,研究一种改进的小波阈值去噪方法进行降噪处理,结果显示,该算法可抑制各种噪声。为了提高线阵CCD像点定位能力,针对传统的一维信号像点定位方法的不足,提出了自适应阈值的插值重心加权质心定位法,研究表明,本文算法的质心定位误差在0.029像素以内。与其他几种细分方法相比,本文算法定位精度更高,抗噪性更好,满足高精度系统的任务需求。(2)针对位姿测量中配备柱面镜头的线阵像机成像的畸变问题,建立了基于交比不变的线阵像机畸变修正数学模型,提出了一种基于线阵CCD改进的像机标定两步法。该方法无需高精度标定参照物,仅利用靶标之间的约束关系建立基于交比不变特性的线阵像机畸变模型。算法首先对已建立的线阵像机成像模型进行像机参数的线性求解;再进行畸变系数的计算;最后利用迭代方法进行像机参数的非线性优化,完成线阵像机的标定。仿真结果表明,对比传统的DLT法,本文算法抗噪性更好、精度更高。论文也研究了标定误差对位姿测量精度的影响,结果显示,主点误差对位姿测量精度影响较大,等效焦距较小;本文算法的重投影标准差为0.031像素。实际验证中,首先针对畸变模型及单像机标定精度展开,重投影定位误差优于0.025像素。标定方案引入线阵像机间固有的位姿关系作为标定误差补偿的约束条件,添加至线阵像机标定的共线误差方程中,补偿后的位置误差在0.746mm以内,角度误差在0.247°以内,相比于传统的线阵像机标定法,本文方法标定精度高、稳定性强。(3)传统的正交迭代算法是基于单目视觉测量,且仅应用于面阵像机上,为了解决多线阵像机位姿估计问题,本文提出了一种基于多线阵CCD位姿估计的高精度解算方法。算法首先建立多像机数据的统一表达,将所有像机观测数据看作广义单像机下的数据,再通过引入像方残差作为权值判断准则建立全新的误差评价函数,最后,应用改进的加权正交迭代算法求解位姿参数,算法有效地克服了传统正交迭代算法中的野值点误差对算法精度影响。仿真结果表明,与传统的正交迭代算法相比,本文算法避免了由于数据恶化或初值选取不当造成的迭代不收敛或收敛差等问题,计算效率提高了4.6倍;算法的抗噪性得到了有效的改善,在同等噪声水平下本文算法的精度更高,说明本文算法对噪声不敏感。实际测量的位置误差优于0.964mm,角度误差优于0.765°。针对现场测量任务,结合刚体运动特性,设计了多点合作目标,并建立了基于多点合作目标的欧拉-四元数姿态解算模型。模型避免了欧拉角在姿态解算中的奇异问题的发生,减少了因采用欧拉角计算时由三角函数引入的非线性误差。针对点目标遮挡问题,将强跟踪UKF算法引入到线阵姿态测量系统,完成线性成像的多目标同名像点匹配,仿真结果表明,目标在状态突然改变时或标志点发生遮挡时,强跟踪UKF算法可实现姿态信息的精准跟踪能力,完成同名像点的匹配。
刘兵[2](2021)在《粒子图像测速仪(PIV)校准方法研究》文中研究说明粒子图像测速仪(Particle Image Velocimetry)是通过高速相机和激光器以及示踪粒子进行流速测量的流场测量技术。与传统测量技术相比,PIV技术不会对被测流场产生干扰,并且可以实现全场瞬态测量,具有较高的测量精度。已经在诸多领域中得到应用,逐渐成为重要的流场测量技术。在实际应用中,PIV测量精度一直是使用者最关心的问题,但目前还没有一个通用的PIV校准方法。因此,迫切需要建立一套PIV校准方法,完善PIV测量结果的量值传递与溯源体系,提高PIV的测量能力,从而实现PIV在更多领域中的应用。为提高PIV测量准确度,实现PIV测量结果的定量分析。本文通过对PIV测量原理和系统组成的研究,得到两个影响测量结果的重要因素,即粒子位移(35)s和跨帧时间(35)t,对两个影响因素开展不确定度评定;并且设计了基于激光多普勒测速仪(Laser Doppler Velocimeter)校准PIV的实验方案,对其不确定度开展了系统评估。本文主要研究成果如下:(1)对粒子位移(35)s开展不确定度评定,其主要影响因素有:图像畸变、激光片光厚度、示踪粒子光学性能以及相机标定。对其研究得到以下结论:实验所使用的CCD相机所发生的图像畸变,对(35)s的影响较小,可以忽略;实验中将激光片光厚度设置为1mm左右,可最大程度的消除片光厚度对(35)s的影响;根据实验对粒子光学性能的要求,选择不同材质、不同粒径的示踪粒子。因此,粒子位移不确定度主要来源为相机标定,对相机标定进行不确定度评定,得出粒子位移(35)s扩展不确定度为0.08mm(k=2)。(2)对跨帧时间(35)t开展不确定度评定,对其工作原理研究得知,主要影响因素为:同步器工作频率、同步器时间间隔、CCD相机响应延迟、激光器响应延迟。分别对这四种影响因素进行不确定度评定,最终得到跨帧时间(35)t相对扩展不确定度为1.3%(k=2)。(3)设计了一套基于LDV校准PIV实验方案。以开口式风洞为流场发生装置,LDV为标准器,通过对风洞实验段流场品质评估、LDV测量位置、PIV后处理参数等研究,设计校准实验方案。校准实验后,对测量结果进行详细的不确定度分析,在流速为(1~30)m/s的范围内,PIV测量结果扩展不确定度为1.549%(k=2)。
钟佳伶[3](2021)在《气动数据高维整合及多维分析研究与设计》文中提出在飞行器的研制过程中产生并积累了大量的数据,对这些数据进行多维分析能够更加有效地表达出气动数据所含有的空气动力学特性。随着技术的进步以及对飞行器性能的高需求,飞行器研制过程中所涉及到的参数种类越来越多、结构也越来越复杂,传统的数据分散处理模式造成了气动数据来源广、不规范、难共享等问题。同时,气动数据所含有的参数种类众多、命名也各有差异,科研人员难以及时定位所需参数完成数据的筛选,进而影响数据分析的效率。因此,如何有效地将多类型的气动数据规范化在同一个数据库中并实现数据的动态筛选和多维分析已经成为飞行器研制过程中需要解决的一个重要的问题。针对气动数据来源广、不规范、数据量大、参数命名差异化等问题,本文的主要工作包括:(1)对数据的基本信息进行充分的了解,遵循相应的数据提取规则,通过模拟数据仓库的ETL功能来构建气动数据的预处理体系,将不同数据源提取的数据按照预先设定好的规则进行数据转换,进而将转换后的目标数据整合到所建立的数据库中;(2)以MVVM框架为基础,利用框架中的动态模板建立通用的用户界面筛选和过滤组件,实现页面视图的最小化刷新的同时也实现了对规范化后的气动数据进行动态筛选的操作;(3)提出了基于虚拟DOM的气动数据渲染优化算法,通过差异化性渲染的方式,减少了对DOM树的遍历操作,通过使用虚拟DOM与原生Java Script进行渲染效率的对比,可以看出,在对相同气动数据量的渲染效率方面得到进一步的改进;(4)以多类型数据集合为中心,设计了系统架构、系统功能模块等,并结合ECharts框架研发了基于上述多层架构的气动数据高维整合及多维分析系统,系统实现了气动数据的高维整合、动态筛选及多维分析的功能。经过整体的功能测试与性能测试,该系统能够提供多类型气动数据可视化服务,为飞行器研究人员提供更好的分析和决策支持。
杨洪磊[4](2020)在《大型风电叶片尾缘襟翼载荷智能控制系统仿真与实验研究》文中研究表明随着风电机组大型化发展,叶片尾缘襟翼载荷智能控制技术,作为叶片流场主动控制的一种有效手段,能够有效、快速、灵活地降低叶片载荷,提高风力机,特别是大型风电机组的可靠性、经济性,该控制技术受到国内外学者的广泛关注。为深入了解叶片襟翼实际作用效果及降载机制,在整机性能测试仿真计算工作基础上,进一步开展了带有襟翼控制的模型风力机风洞实验及流场数值模拟研究工作。形成从方案设计到性能计算,最后进行实验验证的研究体系。首先基于自主搭建的带有柔性尾缘襟翼控制的大型风电机组气动伺服弹性耦合仿真计算平台,从整机性能上论证了尾缘襟翼载荷智能控制系统的有效性,得到不同风速下风力机叶片特性参数的方位角分布规律。确定了在不影响风力发电机组发电量输出的前提下,尾缘襟翼智能控制系统可以有效抑制电机输出功率、推力、桨距角的波动。根据襟翼影响叶片所受气动载荷与叶片运动耦合关系,归纳总结了尾缘襟翼能够有效抑制叶片疲劳载荷的原因。为深化计算结果,完善研究体系,在完成整机性能计算基础上,开展了基于尾缘襟翼主动控制的模型风力机实验研究。搭建了开式风洞水平轴风力机实验测试系统,加装自主设计带有襟翼作动系统的风力机叶片,开展了不同工况及襟翼控制规律的风洞实验。实验用风力机叶片,根据风洞尺寸按1:105的比例对NREL5MW风力机叶片进行缩比设计,除满足相似定律要求外,为保证叶片气弹特性相似,引入叶片展向环量分布、Polar线等相似条件。采用伺服电机驱动襟翼的传动方案,并根据BEM理论优化模型叶片气动外形设计。搭建了水平轴模型风力机实验测试系统,开展襟翼载荷主动控制性能实验研究工作。该系统由开式风洞、带有尾缘襟翼作动系统的水平轴模型风力机、控制系统、测量系统四部分构成。首先在风力机停机状态下进行实验研究,目标是探究叶片周围流场随襟翼摆动的变化情况,获取襟翼摆动影响叶片周围流场特性变化规律。以停机状态风洞实验为蓝本,进行CFD流场计算,捕捉叶片流场变化细节,描述流场变化过程,研究不同来流风况及襟翼控制规律对应的叶片流场特征,定性提出在均匀来流条件下襟翼对叶片气动载荷的控制过程。结合对大型风电机组叶片气弹耦合特性分析、风洞实验及数值计算,系统地描述了尾缘襟翼载荷主动控制系统对抑制风力机叶片疲劳载荷的作用机制。最后,完成水平轴风力机旋转状态的尾缘襟翼载荷控制实验研究。在均匀来流条件下,制定三种襟翼控制策略:襟翼摆动到幅值位置处静止、襟翼正弦波信号控制、襟翼方波信号控制。比较实验结果及不同控制信号的效能成本,最终确定了叶根变形量控制效果最明显的开环控制方式。采用具有明显载荷抑制效果的开环控制策略,开展了在偏航状态与直吹状态下的风力机叶根载荷控制对比实验,以探究偏航状态下的襟翼作用效果。实验结果表明,偏航状态下,相较于直吹状态,使用相同的襟翼开环控制策略能够获得更好的载荷控制效果。说明对于真实复杂多变的来流风况,使用尾缘襟翼智能控制系统进行大型风电机组的叶片疲劳载荷控制将具有更大的应用前景。借助NREL FAST气动伺服弹性仿真计算、CFD数值计算、模型风力机风洞实验等研究手段,探究了尾缘襟翼智能控制系统在抑制大型风力机叶片疲劳载荷方面的作用,全面揭示了襟翼对叶片载荷控制作用机制。研究表明,尾缘襟翼智能控制技术在叶片疲劳载荷控制、缩短机组下游风场恢复距离、减小变桨系统损耗、增加风电机组运行可靠性等方面均可获得较明显的收益,可为该控制系统在大尺寸风力机叶片中的工程应用提供有效参考。
徐田国[5](2020)在《基于组合支撑的气动多维力测量研究》文中研究指明高性能飞行器在我国国防领域扮演着重要角色,它的设计理论十分复杂。通常将所受气动多维力作为飞行器的重要设计依据,而其准确测量离不开测力方法的选取。本文针对大尺寸、大长径比飞行器模型在进行风洞试验时存在的支撑系统设计、测力方法选择等诸多难题,以压电传感器作为核心测试元件,采用一种结合张线支撑和尾部支撑的组合支撑方法,建立了基于组合支撑的气动多维力测试系统。首先,针对大尺寸、大长径比飞行器模型在风洞试验中存在的测力方法选择问题,提出了使用组合式支撑的气动多维力测量方法;建立了张线空间角与两个平面角之间的关系,并在此基础上,根据静力学平衡原理,建立了基于组合支撑的气动多维力测量方法的力学模型;在先验试验和有限元分析的基础上,对已有的基于组合支撑的测试系统结构进行了改进,为后续实验验证提供了理论支撑和设备保证。其次,完成传感器设计后,为保证各传感器的输入输出比值相同,对测试系统中所使用的压电传感器进行标定,得到传感器的静态性能指标;为提高解算效率,利用MATLAB编写了基于组合支撑的气动多维力测量数据处理软件;为探究测试系统的相关性能指标,利用砝码加载的方式完成了测试系统的静态标定实验;针对标定实验中出现的各维度输出的耦合现象,分析了产生此类问题的主要原因并采用最小二乘法对实验结果进行数据处理,提高了系统的测量精度;在测试系统X、Y、Z三方向开展锤击实验,得到了各方向的幅频特性曲线。最后,为评价所得到测量结果质量的高低,对测试系统的不确定度进行了研究;对测试系统中各种不确定度按照评定方法进行分类,并按照相应的计算方法得到其不确定度;对测试过程中不确定度的传递进行计算研究,得到了各维度的标准及扩展不确定度;对最终得到的不确定度进行分析,重点研究了影响不确定度的主要因素。通过以上研究,针对被测对象为高马赫风洞中的大尺寸、大长径比的飞行器模型,提出了基于组合支撑的气动多维力测量方法,进行了测试系统的标定,并利用相关精度指标对测量结果进行了评价,验证了该方法的可行性,为该方法在风洞试验中的应用打下基础。相关理论工作在提高飞行器气动多维力测试技术水平、促进传感器与模型融合制造方面具有重要的科学研究意义。
梁焌[6](2020)在《风力机气动性能跑车试验方法研究及其不确定度分析》文中研究说明近年来风力机在世界范围内高速发展,为提高风力机的发电性能,国内外学者对风力机做了大量研究。气动性能作为风力机最主要的参数之一,是风力机研究的关键。目前,风力机的气动性能研究主要依靠风洞试验、数值模拟和现场实测,其中风洞试验是风力机研究最常用和可靠的方法,然而也存在造价高、耗能多等问题,且很多地区并没有风洞试验室,这就限制了大量风工程研究者工作的开展。因此,参照风力机风洞试验方法,结合车辆行驶能产生风的特点,本文提出了一种利用汽车行驶风测试风力机气动性能的跑车试验方法。首先,进行了风力机翼型气动性能的跑车试验方法研究。提出风力机翼型气动性能跑车试验数据的处理方法,研究汽车振动和端板对试验结果的影响,进行三次独立的重复测量,同时对自然风的影响进行分析,通过本试验的结果与风洞试验结果对比来验证本试验方法的可行性。结果表明:在风力机翼型跑车试验中,皮托管测得的试验风速时程曲线和天平测得的UMY02-T01-26翼型模型的气动力相对稳定,试验具有良好的可重复性;在良好的试验环境下车辆振动、自然风和端板等影响因素对风力机翼型气动性能跑车试验的结果影响均较小;风力机翼型跑车试验结果符合风力机翼型气动力规律,且与参考风洞试验结果吻合较好。其次,为评定风力机翼型气动性能跑车试验测试结果的可靠性,同时有效改进跑车试验技术,对风力机翼型气动性能跑车试验方法的不确定度进行了研究,从数理统计方面进一步证明该试验方法的可行性,根据风力机翼型跑车试验设计对应的不确定度评定方法,并详细介绍跑车试验的不确定度来源,分析空气密度、试验风场、测力系统和模型等不确定度源的不确定度,计算出各不确定度源对试验总不确定度的贡献。结果表明:试验风场、测力系统、模型尺寸等对试验总不确定度都存在一定影响,其中测力系统对试验总不确定度影响最大,且其对总不确定度的贡献达到了99.9%,模型尺寸中的展长对试验总不确定度的影响最小,可以不考虑展长对风力机翼型跑车试验不确定度的影响;利用跑车试验方法测得的风力机翼型气动力系数的合成不确定度较小,表明在理想的试验条件下风力机翼型气动性能跑车试验结果可靠。最后,利用跑车试验方法研究垂直轴风力机的气动性能进行了研究。研制垂直轴风力机静态扭矩和动态扭矩跑车试验测量装置,分析垂直轴风力机气动性能跑车试验测量的数据和自然风对试验的影响,对比跑车试验和风洞试验中的静态扭矩系数和功率系数。结果表明:测量的扭矩数据是稳定的、正确的,自然风对试验测得的扭矩结果几乎没有影响;跑车试验中测得的静态扭矩系数和功率系数与风洞试验结果相差较小,说明利用跑车试验方法对垂直轴风力机的气动性能进行研究是可行的。综上所述风力机气动性能跑车试验方法是可行的、准确的,为风力机气动性能研究提供了一种新的试验方法。
赵磊[7](2018)在《导弹气动/大气参数一体化在线辨识与预示方法研究》文中进行了进一步梳理未来战场的复杂作战环境对导弹的射前生存能力、突防能力和打击精度都提出了更高的现实需求。为了实现快速发射,确保导弹在大气层内机动突防时的飞行品质,减少由天地差异性导致的气动参数偏差以及飞行环境复杂多变性造成的大气参数扰动,提高导弹的打击精度与智能化水平,本文针对导弹气动参数与大气参数的实时精确获取问题,对气动/大气参数一体化在线辨识与预示方法进行了系统研究。对气动参数、大气参数与导弹动力学系统的内在关系进行了研究与建模。建立了满足辨识需求的面对称导弹六自由度运动模型。采用条件数判定法对气动参数模型候选项进行了多重共线性诊断,并利用逐步回归法对模型候选项进行了优选,确立了导弹气动模型结构形式与待辨识气动参数。分析了大气参数与导弹运动状态参数之间的关系,建立了包含风速影响的大气参数模型,并推导建立了大气参数变化率与导弹所受的力、飞行状态之间的解析表达式。研究了基于导航信息辅助的气动/大气参数一体化在线辨识方法。研究了扩展Kalman滤波(EKF)、无迹Kalman滤波(UKF)、扩维无迹Kalman滤波(AUKF)三种满足在线需求的滤波算法,从理论上比较了三种滤波算法的性能,并根据仿真结果分析确立了AUKF作为本文的辨识算法。研究了参数可辨识性相关理论,提出了基于敏感度指标的参数可辨识性分析判据,仿真确定了气动模型中可辨识参数与不可辨识参数的具体归属。基于第二章建立的导弹数学模型,结合导航系统输出的实时数据,进行了气动/大气参数一体化在线辨识滤波器设计,建立了状态方程与观测方程。仿真结果表明,基于导航信息辅助的气动/大气参数一体化在线辨识在获取气动参数与大气参数方面具有较高的精度和较好的实时性。研究了风干扰条件下的气动/大气全参数一体化在线辨识方法。对嵌入式大气数据系统(FADS)的压力模型以及参数解算方法进行了仿真与验证,并针对FADS系统在测压孔布局方面理论研究不足的问题,以钝头体导弹为例,进行了压力传感器布局优化的研究,采用流场仿真验证了优化方案的性能。通过融合导航与FADS系统给出的实时信息,设计了风干扰条件下气动/大气全参数一体化在线辨识滤波器,实现了气动参数与大气全参数的实时精确获取,并通过仿真验证了算法的有效性。提出了基于在线辨识的参数预示策略与方法。在得到当前及过去若干时间点的风速、密度与温度解算值后,采用渐消记忆的递推最小二乘法于飞行过程中对模型中的参数进行估计,建立参数偏差预示模型,结合弹道在线规划提供的高度信息,实现对未来时刻风速、密度与温度的在线预示。本文的工作可为大气层内飞行器气动参数与大气参数的实时精确获取提供技术和方法支持,可为在线任务规划、非程序制导控制、目标跟踪与落点预测等领域的研究提供参考。
陆辰[8](2018)在《嵌入式大气数据系统算法及大气数据传感信息融合关键技术研究》文中指出大气数据系统是飞机的重要机载航电设备,其性能直接影响飞行控制系统,进而影响飞行器的飞行质量和作战效能。对于下一代战斗机、高超声速飞行器等先进飞行器来说,以侵入式测量为特点的传统大气数据系统难以适应高热高压环境,在大马赫数、大攻角、跨大气层等恶劣飞行状态难以有效工作。针对于此,本文以先进飞行器大气数据测量为研究背景,研究了嵌入式大气数据系统算法与大气数据传感信息融合关键技术,旨在解决大气数据测量、容错技术中的关键问题,提高大气数据的测量精度、测量范围和可靠性。嵌入式大气数据系统(Flush Air Data System,FADS)以嵌入在机身表面的多测压孔压力信息测量为基础,结合压力分布模型进行大气参数的求解。通过解析算法求解大气参数,能够保证系统的稳定性,但是对FADS的测压孔布局存在较强的约束性。针对这一问题,论文提出了弱化测压孔配置约束条件的FADS解析计算方法,该方法可利用4个不共面的测压孔压力数据直接获得攻角、侧滑角、动压、静压以及总压的解析结果。与常用的FADS解析算法相比,该方法不再依赖分布在垂直线的测压孔,极大降低了FADS解析算法对测压孔配置的几何约束条件,提高了FADS测压孔配置的灵活性,充分利用多测压孔冗余度,有效提高FADS解析算法的可靠性,实现了大气数据全参数的解析计算,减少了计算量。FADS自主容错算法通常以FADS大气参数解算为基础,根据不同测压孔组合获取的大气参数,通过投票等方法实现故障检测、隔离和重构。为了充分挖掘FADS的系统冗余度,提升FADS的自主容错性能,论文针对多测压孔冗余的FADS大气参数解算方法、故障检测算法和自主容错算法展开了研究。鉴于FADS解析计算方法存在对大噪声敏感、增大故障检测难度的问题,提出了基于计算模型降元的FADS最小二乘法,解决了应用于多个压力数据的FADS大气参数解算问题,提升了大气参数解算精度,降低了算法对噪声的敏感性。在此基础上,提出了应用于FADS的卡方故障检测算法,同时,为了解决测压孔较多时可用于大气参数计算的测压孔组合数较多、计算量较大的问题,论文基于随机采样一致性思想,提出了多测压孔随机组合模式下的FADS自主容错方法,提高了FADS自主容错算法的故障检测、隔离与重构能力。当先进飞行器处于高机动等飞行状态时,其机身周围恶劣的流场环境对大气数据传感器的影响无法消除,因而要进一步提高先进飞行器大气数据系统的可靠性,就需要在不依赖于大气数据传感器的前提下实现大气数据全参数解算。为此,本文针对基于多源信息融合的大气数据估计算法开展了研究工作。基于平流层风场平稳、水平的特性,以飞行器动力学模型为连接纽带,引入飞行器控制系统参数,提出了融合导航与飞控数据的大气数据估计方法,分别设计了以大气数据为状态量、广义导航参数为量测量的滤波器模型以及以大气数据和导航数据为状态量、导航数据为量测量的滤波器模型,解决了在不增加额外测量设备和系统硬件前提下的大气数据全参数精确间接测量问题。当先进飞行器处于对流层、中间层时,机身周围的风场不再满足平稳性,为了在先进飞行器的不同飞行阶段持续提供大气参数估计结果,进一步提升系统的可靠性,需要解决变化风场下的大气数据估计问题,扩展基于多源信息融合的大气参数解算方法的适用范围。针对风场变化模型已知的情况,本文提出了风速两级估计下的大气数据估计算法,通过对风速进行粗估计获得较为准确的风速滤波初值,而后结合风场变化模型建立大气数据滤波算法结构,该方法为平均风叠加大气紊流形式的变化风场提供了有效的大气数据估计。针对风场变化模型未知的情况,提出了不依赖于风场变化模型的大气数据计算方法,将风速作为未知的偏置量,采用初始化的三步扩展Kalman滤波算法实现大气数据的估计,解决了风场变化模型未知情况下的大气数据测量问题,拓展了融合多源信息的大气数据估计算法适用范围。最后,论文建立了嵌入式大气数据系统算法及大气数据传感信息融合综合验证平台,对论文中所研究的FADS解析计算方法、FADS自主容错算法、融合导航与飞控多源信息源的大气数据估计算法以及应用于变化风场下的大气数据估计算法等进行实现和仿真分析,验证了论文所研究算法的有效性和有益效果,对论文的研究工作具有重要的支撑作用。
毛枚良,陈亮中,万钊,刘化勇,燕振国[9](2017)在《高超声速流动多物理效应对美国航天飞机气动力影响研究的回顾》文中研究指明临近空间高超声速流动往往存在真实气体效应、稀薄气体效应和粘性干扰效应等多种复杂的物理、化学和流动现象。围绕高超声速绕流中多物理效应这一主题,对美国航天飞机高超声速气动力研究的工作按飞行前与飞行后两个阶段进行了回顾。在飞行前阶段,主要介绍了气动力外推参数的研究和不确定度研究的内容,确定了以第三粘性系数珔V’∞作为气动力特性外推参数,以及给出了气动力不确定的计算方法;而在飞行后阶段,主要介绍了飞行试验数据与预测数据的对比、纵向配平异常分析和外推方法,给出了初步的由风洞数据外推到飞行数据的外推方法,确认了真实气体效应对航天飞机气动特性影响,但是否对舵面效率产生影响没有达成一致的结论。而后,作者讨论了避免纵向配平异常的可能性、体襟翼效率数值计算与试验的差异、气动力不确定度研究和建立飞行试验/风洞试验/数值计算数据共享机制四个方面的问题。另外,早期的研究文献提到了航天飞机在再入过程中这些效应是同时存在的,在当时的研究条件下难以区分各自对气动力特性的影响,后来的研究文献也没有着力于研究其耦合影响效应对航天飞机气动力特性的影响,这为下一步研究再入飞行器高超声速绕流流动的多物理效应提供了指引。
王刚[10](2016)在《高超声速粘性干扰效应数据关联方法研究》文中指出高超声速流动中,粘性干扰效应对飞行器气动性能具有显着影响。受地面风洞试验能力和测试技术水平的限制,目前无法准确模拟粘性干扰效应作用下的气动力特性。本文以粘性干扰效应作用下风洞试验数据与飞行数据的关联方法研究为主线,应用理论研究、风洞试验与数值模拟相结合的方法开展了三部分工作:(1)高超声速气动力试验不确定度评估方法研究;(2)粘性干扰效应模拟准则与方法研究;(3)粘性干扰效应及关联参数研究等。主要工作和研究成果如下:(1)针对常规高超声速风洞、激波风洞和高超声速低密度风洞的设备特性与气动力试验特点,辨识出高超声速气动力试验中的主要误差源,对气动力试验中多种重复性试验情形建立了误差源分析与传递方法;明确了高超声速气动力试验不确定度分析过程中需要校准的系统以及校准原则,并建立了传感器的校准、使用过程中不确定度评估与传递方法。针对常规高超声速风洞、高超声速低密度风洞和激波风洞气动力测量试验建立了统一的不确定度评估方法,为高超声速风洞试验的气动力数据提供适用的数据质量评估方法。(2)结合尺度化方法开展了粘性干扰效应模拟准则与方法研究,分析了尺度化的流动控制方程中相似准则的物理意义,建立了分析高超声速气动力试验中相似准则影响权重的方法,提出了粘性干扰效应在流动控制方程中的基本形式,为开展粘性干扰效应的数据关联研究奠定了理论基础。(3)基于气动力试验模拟准则的研究成果,提出了“流动方程中剪切粘性力所耗损的机械能组成项表征了高超声速粘性干扰现象”的观点,并得到了粘性干扰效应作用下关联参数的基本表现形式,结合升力体模型与尖锥外形的气动力试验数据与数值模拟结果验证了关联参数基本形式的有效性与适用性。目前国内外通用的粘性干扰效应关联参数均具有该基本形式的演变形式,现有的参数是基于工程方法和大量的试验数据发展起来的,关联参数基本形式的提出为目前几类通用的粘性干扰效应关联参数提供了理论支持。(4)在试验数据与数值模拟结果的基础上,提出了一种粘性干扰效应作用下地面风洞试验数据与飞行数据之间的组合关联参数,应用该组合参数能够比目前其它关联参数更理想的将等温壁条件下的地面风洞试验数据与绝热壁(和等温壁)飞行数据关联起来,并结合尖锥模型的气动力特性数据验证了组合关联参数的有效性。在此基础上,讨论了以基本形式为基础的关联参数在粘性干扰效应作用下对不同气动外形的飞行器的适用性问题。
二、飞机风洞实验数据不确定度估计方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、飞机风洞实验数据不确定度估计方法(论文提纲范文)
(1)基于一维图像组合的空间目标位姿测量关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究目的和意义 |
1.2 位姿测量技术的发展概况 |
1.2.1 位姿测量理论概述 |
1.2.2 基于光学图像位姿测量理论及研究现状 |
1.2.3 像机标定理论及国内外研究现状 |
1.3 线阵CCD位姿测量理论及技术研究现状 |
1.3.1 线阵CCD位姿测量的国内外研究现状 |
1.3.2 线阵像机标定理论及研究现状 |
1.3.3 线阵光学图像位姿测量技术存在的问题 |
1.4 本文的主要研究内容 |
第2章 光学系统测量原理及像点识别定位技术研究 |
2.1 引言 |
2.2 基于一维的多目视觉组合测量系统原理 |
2.2.1 一维成像单元交会组合测量模型 |
2.2.2 传感器相对测量基准线角偏置范围对视场范围影响 |
2.3 一维图像信号去噪技术及改进算法 |
2.3.1 一维信号的小波去噪技术及算法改进 |
2.3.2 实验结果及分析 |
2.4 改进的线阵光学图像的亚像素质心定位法 |
2.4.1 线阵CCD像点定位细分技术分析 |
2.4.2 基于自适应阈值的插值重心加权法质心定位 |
2.4.3 仿真验证 |
2.4.4 实际验证 |
2.5 本章小结 |
第3章 线阵CCD位姿测量系统的像机标定 |
3.1 引言 |
3.2 像机成像模型及其变换 |
3.2.1 面阵像机成像机制 |
3.2.2 线阵像机成像机制 |
3.3 摄像机畸变问题描述及模型建立 |
3.3.1 像机畸变 |
3.3.2 基于交比不变的线阵像机畸变校正数学模型 |
3.4 基于DLT的线阵像机标定技术 |
3.5 改进的线阵CCD的像机两步法标定 |
3.5.1 计算线阵CCD像机线性参数 |
3.5.2 基于交比不变的像差系数计算 |
3.5.3 像机参数的非线性优化 |
3.6 引入空间约束的多线阵像机标定误差补偿模型 |
3.7 实验验证 |
3.7.1 仿真数据验证 |
3.7.2 实际实验验证 |
3.8 本章小结 |
第4章 多线阵像机的高精度位姿估计及目标姿态解算 |
4.1 引言 |
4.2 位姿描述参数及测量坐标系的建立 |
4.2.1 空间目标位姿描述 |
4.2.2 位姿测量的模型及变换关系 |
4.3 多线阵像机的高精度位姿解算算法 |
4.3.1 正交迭代算法 |
4.3.2 多线阵像机系统位姿估计的高精度迭代算法 |
4.3.3 实验结果及分析 |
4.4 点合作目标姿态解算及一维检测的多目标跟踪识别技术 |
4.4.1 欧拉-四元数姿态解算数学描述 |
4.4.2 多线阵点合作目标的四元数姿态解算模型 |
4.4.3 强跟踪UKF算法在多线阵位姿系统中目标跟踪的应用 |
4.4.4 仿真分析 |
4.5 本章小结 |
第5章 实验结果与分析 |
5.1 实验平台系统组成 |
5.2 系统误差分析 |
5.3 硬件平台实验 |
5.3.1 空间运动目标三维重建精度验证 |
5.3.2 空间运动目标姿态角重构精度验证 |
5.3.3 重复性测试 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(2)粒子图像测速仪(PIV)校准方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 PIV发展现状 |
1.2.2 PIV技术分类 |
1.2.3 PIV校准方法研究现状 |
1.3 主要研究内容 |
1.4 本文的创新点 |
1.5 本章小结 |
第2章 PIV测量原理及校准实验系统 |
2.1 PIV测量原理 |
2.2 PIV系统组成 |
2.3 校准实验系统 |
2.3.1 实验系统整体设计 |
2.3.2 设备选型 |
2.4 本章小结 |
第3章 PIV重要参数分项校准研究 |
3.1 PIV测量结果影响因素分析 |
3.2 粒子位移Δs的影响研究 |
3.3 粒子位移Δs不确定度分析 |
3.3.1 相机标定不确定度评定 |
3.3.2 测量重复性u(L_c) |
3.3.3 合成标准不确定度u_(Δ标) |
3.3.4 粒子位移Δs不确定度评定 |
3.4 跨帧时间Δt的影响研究 |
3.4.1 跨帧时间Δt计算 |
3.4.2 同步器工作原理 |
3.4.3 跨帧时间Δt影响因素分析 |
3.5 跨帧时间不确定度分析 |
3.5.1 同步器工作频率f不确定度分析 |
3.5.2 同步器时间间隔t不确定度分析 |
3.5.3 CCD相机响应延迟t_(延1)不确定度分析 |
3.5.4 Nd:YAG激光器响应延迟t_(延2)不确定度分析 |
3.5.5 跨帧时间Δt不确定度评定 |
3.6 本章小结 |
第4章 基于LDV校准PIV实验研究 |
4.1 实验方案设计 |
4.1.1 流场品质的评估及测量区域选取 |
4.1.2 确定PIV测量区域 |
4.1.3 LDV测量位置选取方法 |
4.1.4 PIV关键控制参数设置—判别区及步长设置 |
4.2 LDV校准PIV实验结果及分析 |
4.2.1 实验步骤 |
4.2.2 实验数据处理及分析 |
4.3 LDV校准PIV实验结果的不确定度分析 |
4.3.1 不确定度来源 |
4.3.2 不确定度评定 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
个人简介及攻读硕士学位期间取得的科研成果 |
(3)气动数据高维整合及多维分析研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
主要符号表 |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究目标与内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 论文组织结构 |
1.5 本章小结 |
2 气动数据高维整合及预处理体系 |
2.1 气动数据高维整合分析 |
2.2 气动数据预处理体系 |
2.2.1 数据获取及清理 |
2.2.2 数据集成 |
2.2.3 数据语义 |
2.2.4 数据归纳 |
2.3 数据预处理对比分析 |
2.4 本章小结 |
3 气动数据多维分析动态组件机制 |
3.1 MVVM框架 |
3.2 ECharts框架 |
3.2.1 ECharts简介 |
3.2.2 ECharts渲染流程 |
3.3 可视化组件动态适配 |
3.4 参数适配对比分析 |
3.5 本章小结 |
4 基于虚拟DOM的气动数据渲染优化算法 |
4.1 DOM简介 |
4.2 DOM操作的劣势 |
4.3 虚拟DOM |
4.3.1 传统的diff算法 |
4.3.2 改进的diff算法 |
4.4 渲染效率对比分析 |
4.5 本章小结 |
5 可视化系统设计与实现 |
5.1 系统需求分析 |
5.1.1 功能性需求 |
5.1.2 非功能性需求 |
5.2 系统总体设计 |
5.2.1 系统架构设计 |
5.2.2 系统功能设计 |
5.3 系统测试与结果分析 |
5.3.1 测试数据集来源 |
5.3.2 系统测试环境 |
5.3.3 系统兼容测试 |
5.3.4 系统功能测试 |
5.3.5 系统性能测试 |
5.4 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
附录 A |
攻读硕士学位期间发表的学术论文及研究成果 |
(4)大型风电叶片尾缘襟翼载荷智能控制系统仿真与实验研究(论文提纲范文)
摘要 |
abstract |
符号说明表 |
第1章 引言 |
1.1 研究背景 |
1.2 叶片载荷智能控制技术国内外研究现状 |
1.2.1 叶片载荷控制技术概述 |
1.2.2 尾缘襟翼智能叶片载荷控制技术研究现状 |
1.3 论文主要研究内容 |
第2章 大型风电机组叶片载荷智能控制系统研发平台介绍 |
2.1 叶片载荷智能控制系统气动-伺服-弹性仿真计算平台 |
2.1.1 NREL FAST开源计算程序介绍 |
2.1.2 NREL5MW风力机介绍 |
2.1.3 带有柔性尾缘襟翼控制的风力机仿真计算平台搭建 |
2.1.4 平台计算时间无关性验证 |
2.2 基于尾缘襟翼载荷控制的水平轴风力机实验系统 |
2.2.1 集成尾缘襟翼作动装置的模型风力机叶片设计 |
2.2.2 开式风洞模型风力机实验系统搭建 |
2.2.3 实验系统测量不确定度 |
2.3 尾缘襟翼控制对流场影响的数值模拟仿真计算 |
2.3.1 计算模型介绍 |
2.3.2 网格独立性验证 |
2.3.3 湍流计算模型选定 |
2.4 小结 |
第3章 叶片不同方位角载荷智能控制效果分析与降载机理研究 |
3.1 风力机不同参数的方位角分布特性 |
3.1.1 智能叶片控制对时均疲劳载荷和整机性能影响 |
3.1.2 不同方位角下叶片疲劳载荷控制效果分析 |
3.2 尾缘襟翼的载荷控制过程分析与研究 |
3.3 小结 |
第4章 风力机停机状态下尾缘襟翼控制流场特性研究 |
4.1 停机状态下不同襟翼位置流场特性研究 |
4.1.1 停机状态流场测量方案介绍 |
4.1.2 不同襟翼位置定常状态流场特性研究 |
4.2 停机状态下襟翼动态摆动流场特性研究 |
4.2.1 不同襟翼控制信号的设定 |
4.2.2 不同襟翼控制信号的流场特性 |
4.2.3 不同攻角下带襟翼开环控制翼型流场特性研究 |
4.3 关于襟翼摆动载荷控制机理的分析与总结 |
4.3.1 停机状态下不同襟翼角对应的流场特性 |
4.3.2 襟翼动态扰动的传递过程 |
4.3.3 尾缘襟翼载荷控制机理总述 |
4.4 小结 |
第5章 模型风力机旋转状态下尾缘襟翼载荷控制实验研究 |
5.1 风力机旋转状态实验工况介绍 |
5.2 不同尾缘襟翼控制方案降载效果分析 |
5.2.1 风力机无偏航状态下尾缘襟翼控制效果 |
5.2.2 不同控制信号功耗分析 |
5.2.3 风力机偏航运行襟翼控制效果 |
5.2.4 风力机运行状态下襟翼载荷控制分析 |
5.3 小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
附录 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(5)基于组合支撑的气动多维力测量研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 气动多维力测量研究现状 |
1.2.1 应变式测试系统研究现状 |
1.2.2 压电式测试系统研究现状 |
1.2.3 支撑方式研究现状 |
1.3 本论文主要研究内容 |
2 测量原理及结构设计 |
2.1 基于组合支撑的气动多维力测量方案 |
2.2 基于组合支撑的气动多维力测量原理 |
2.2.1 测试系统中的张线受力分析 |
2.2.2 测试系统的力学模型 |
2.3 测试系统结构设计 |
2.3.1 系统设计要求 |
2.3.2 系统结构设计 |
2.3.3 尾撑结构的改进设计 |
2.4 本章小结 |
3 测试系统的性能研究 |
3.1 传感器的静态标定 |
3.1.1 传感器静态标定装置 |
3.1.2 传感器的性能指标 |
3.1.3 单向力压电传感器的静态标定 |
3.1.4 三向力压电传感器的静态标定 |
3.2 测试系统的静态标定 |
3.2.1 测试系统的静态标定系统 |
3.2.2 数据处理软件的设计 |
3.2.3 张线支撑的验证试验 |
3.2.4 飞行器模型的安装 |
3.2.5 组合支撑系统的静态标定实验 |
3.3 静态标定实验的补偿 |
3.3.1 坐标系不重合引起的测量误差 |
3.3.2 张线角度误差引起的测量误差 |
3.3.3 基于最小二乘法的解耦补偿 |
3.3.4 验证实验 |
3.4 测试系统的动态实验 |
3.5 本章小结 |
4 测试系统的不确定度分析 |
4.1 测量不确定度的相关概念 |
4.1.1 测量与误差 |
4.1.2 测量不确定度 |
4.2 不确定度的评定 |
4.2.1 测量不确定度来源 |
4.2.2 标准不确定度的评定 |
4.3 测试系统的不确定度 |
4.3.1 传感器输出的不确定度分析 |
4.3.2 输入量到被测量的不确定度传递 |
4.3.3 基于解耦矩阵的不确定度分析 |
4.4 本章小结 |
结论 |
参考文献 |
附录 A 部分实验图片 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(6)风力机气动性能跑车试验方法研究及其不确定度分析(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 风力机翼型研究现状 |
1.2.2 不确定度研究现状 |
1.2.3 垂直轴风力机研究现状 |
1.3 本文研究的主要内容 |
2 风力机翼型气动性能跑车试验方法研究 |
2.1 试验设计 |
2.1.1 试验翼型 |
2.1.2 仪器设备 |
2.1.3 试验步骤 |
2.1.4 空气密度修正 |
2.2 结果与分析 |
2.2.1 数据处理方法 |
2.2.2 试验风速特性分析 |
2.2.3 车辆振动对试验结果的影响 |
2.2.4 端板对试验结果的影响 |
2.2.5 自然风对试验结果的影响 |
2.2.6 重复性试验结果 |
2.2.7 跑车试验与风洞试验结果比较 |
2.3 本章小结 |
3 风力机翼型跑车试验方法不确定度分析 |
3.1 不确定度评定方法 |
3.1.1 测量不确定度评定方法 |
3.1.2 试验不确定度来源 |
3.1.3 试验不确定度评定流程 |
3.2 试验不确定度分析结果 |
3.2.1 空气密度不确定度 |
3.2.2 试验风场不确定度 |
3.2.3 测力系统不确定度 |
3.2.4 模型不确定度 |
3.2.5 总不确定度 |
3.3 本章小结 |
4 垂直轴风力机气动性能跑车试验方法研究 |
4.1 试验设计 |
4.1.1 试验模型制作 |
4.1.2 仪器设备 |
4.1.3 试验步骤 |
4.2 结果与分析 |
4.2.1 扭矩数据稳定性分析 |
4.2.2 自然风对试验结果的影响 |
4.2.3 跑车试验结果与风洞试验结果比较 |
4.3 本章小结 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
个人简历、在学期间撰写的学术论文及专利 |
致谢 |
(7)导弹气动/大气参数一体化在线辨识与预示方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 本文研究背景与意义 |
1.1.1 论文研究背景 |
1.1.2 论文研究意义 |
1.2 气动参数辨识研究现状 |
1.2.1 国内外整体研究进展 |
1.2.2 气动参数辨识方法研究现状 |
1.3 大气数据系统研究现状 |
1.3.1 嵌入式大气数据系统 |
1.3.2 虚拟大气数据系统 |
1.4 本文研究目的 |
1.5 论文研究内容与组织结构 |
第二章 气动/大气参数一体化在线辨识建模 |
2.1 引言 |
2.2 导弹运动模型 |
2.2.1 坐标系定义 |
2.2.2 坐标转换矩阵 |
2.2.3 面对称导弹六自由度运动模型 |
2.3 气动参数模型 |
2.3.1 模型候选项 |
2.3.2 模型候选项共线性诊断 |
2.3.3 模型优选算法 |
2.3.4 气动参数建模 |
2.4 大气参数模型 |
2.5 小结 |
第三章 基于导航信息辅助的气动/大气参数一体化在线辨识 |
3.1 引言 |
3.2 气动/大气参数一体化在线辨识算法研究 |
3.2.1 EKF |
3.2.2 UKF |
3.2.3 AUKF |
3.2.4 EKF、UKF、AUKF精度与效率对比 |
3.3 气动/大气参数一体化在线辨识滤波器设计 |
3.3.1 状态方程 |
3.3.2 观测方程 |
3.4 参数可辨识性分析 |
3.5 气动/大气参数一体化在线辨识仿真 |
3.6 小结 |
第四章 风干扰条件下的气动/大气全参数一体化在线辨识 |
4.1 引言 |
4.2 FADS系统 |
4.2.1 FADS空气动力学模型 |
4.2.2 FADS参数解算方法 |
4.2.3 FADS传感器布局优化 |
4.3 考虑风干扰的滤波器设计 |
4.3.1 状态方程 |
4.3.2 观测方程 |
4.4 融合导航与FADS信息的一体化在线辨识仿真 |
4.4.1 FADS仿真 |
4.4.2 风干扰条件下的一体化在线辨识仿真 |
4.5 小结 |
第五章 基于在线辨识的参数预示方法研究 |
5.1 引言 |
5.2 参数在线预示策略及建模 |
5.3 参数在线预示算法 |
5.4 参数在线预示仿真 |
5.4.1 风速预示 |
5.4.2 大气密度预示 |
5.4.3 大气温度预示 |
5.5 小结 |
结束语 |
论文主要研究内容和成果 |
论文创新点 |
下一步研究建议和展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(8)嵌入式大气数据系统算法及大气数据传感信息融合关键技术研究(论文提纲范文)
摘要 |
abstract |
注释表 |
缩略词 |
第一章 绪论 |
1.1 引言 |
1.2 大气数据测量技术发展现状与分析 |
1.2.1 基于侵入式传感器的传统大气数据系统现状 |
1.2.2 基于压力传感阵列的嵌入式大气数据系统现状 |
1.2.3 基于多源信息融合的大气数据估计技术现状 |
1.3 先进飞行器特点及大气数据系统需求分析 |
1.4 论文的研究背景与意义 |
1.5 论文的研究内容和结构 |
第二章 弱化测压孔配置约束的嵌入式大气数据解析算法研究 |
2.1 引言 |
2.2 嵌入式大气数据系统表面压力分布建模及现有计算方法分析 |
2.2.1 嵌入式大气数据系统基本原理 |
2.2.2 嵌入式大气数据系统表面压力分布模型 |
2.2.3 嵌入式大气数据系统计算方法及其分析 |
2.3 弱化测压孔配置约束的嵌入式大气数据解析算法 |
2.3.1 测压孔压力值不相等时自由流方向向量的求解 |
2.3.2 三个以上测压孔压力值相等时自由流方向向量的求解 |
2.3.3 两个测压孔压力值相等时自由流方向向量的求解 |
2.3.4 无效解剔除策略设计与基本大气参数的计算 |
2.3.5 弱化测压孔配置约束条件的FADS解析计算方法实施步骤 |
2.4 弱化测压孔配置约束条件的FADS解析算法仿真验证 |
2.4.1 弱化测压孔配置条件的FADS解析算法正确性验证 |
2.4.2 FADS解析计算方法对压力测量噪声的适应性评估 |
2.5 本章小结 |
第三章 多测压孔冗余的嵌入式大气数据系统自主容错技术研究 |
3.1 引言 |
3.2 嵌入式大气数据系统故障因素分析及容错方案设计 |
3.2.1 嵌入式大气数据系统故障因素分析 |
3.2.2 嵌入式大气数据系统现有容错方案分析 |
3.2.3 嵌入式大气数据系统自主容错方案设计 |
3.3 基于计算模型降元的嵌入式大气数据系统最小二乘法 |
3.3.1 基于矩阵SVD分解的FADS计算模型降元方法 |
3.3.2 基于计算模型降元的FADS最小二乘法 |
3.3.3 基于计算模型降元的FADS最小二乘法特点分析 |
3.3.4 基于计算模型降元的FADS最小二乘法仿真验证 |
3.4 基于最小二乘法的嵌入式大气数据系统卡方故障检测算法 |
3.4.1 卡方分布定义及卡方故障检测方法 |
3.4.2 FADS卡方故障检测自由度问题 |
3.4.3 FADS卡方故障检测方法的正确性验证试验 |
3.5 改进RANSAC的嵌入式大气数据系统自主容错算法 |
3.5.1 RANSAC算法基本结构 |
3.5.2 改进RANSAC的FADS自主容错算法 |
3.5.3 自主容错FADS算法特点分析 |
3.6 多测压孔冗余的FADS自主容错算法试验结果及分析 |
3.6.1 自主容错FADS算法正确性验证试验 |
3.6.2 自主容错FADS算法性能评估 |
3.7 本章小结 |
第四章 融合导航/飞控数据的大气数据全参数估计方法研究 |
4.1 引言 |
4.2 基于飞行动力学的导航/飞控/大气数据融合模型研究 |
4.2.1 速度矢量三角形模型 |
4.2.2 飞行器气动模型 |
4.2.3 飞行器动力学模型 |
4.2.4 导航/飞控/大气数据关联模型研究 |
4.3 融合导航与飞控数据的大气数据全参数估计方法 |
4.3.1 大气数据估计算法整体结构 |
4.3.2 以大气数据为状态量的滤波系统状态模型 |
4.3.3 以大气/导航数据为状态量的滤波系统模型 |
4.3.4 大气参数状态估计滤波算法 |
4.4 多滤波模型下的大气数据全参数估计方法试验结果及分析 |
4.4.1 试验环境设置 |
4.4.2 多种飞行状态下的试验结果分析 |
4.4.3 Monte Carlo仿真试验统计结果分析 |
4.5 本章小结 |
第五章 变化风场下的大气数据估计方法研究 |
5.1 引言 |
5.2 风场变化模型及其数字仿真研究 |
5.2.1 基本风场及其建模方法 |
5.2.2 变化风场数字仿真及模型验证 |
5.3 结合风场变化模型的大气数据估计算法 |
5.3.1 风速两级估计下的大气数据估计算法结构 |
5.3.2 基于非线性最小二乘LM算法的风速粗估计方法 |
5.3.3 变化风场下的大气参数精估计滤波模型 |
5.4 风场变化模型未知情况下的大气数据估计算法 |
5.4.1 考虑风速恒定的滤波模型 |
5.4.2 用于未知输入估计的滤波算法 |
5.5 变化风场下的大气数据估计方法试验结果及分析 |
5.5.1 基准测试环境下风场变化形式的影响分析 |
5.5.2 不同飞行条件对算法精度的影响分析 |
5.5.3 导航参数噪声强度对精度的影响分析 |
5.5.4 飞控参数噪声强度对精度的影响分析 |
5.6 本章小结 |
第六章 嵌入式大气数据系统及大气数据信息融合综合验证平台 |
6.1 引言 |
6.2 FADS及大气数据信息融合综合验证平台的设计方案 |
6.3 嵌入式大气数据系统算法的仿真验证 |
6.3.1 嵌入式大气数据解析计算及自主容错方法的数字仿真验证方案 |
6.3.2 嵌入式大气数据系统数字仿真的参数配置与仿真运行显示 |
6.3.3 嵌入式大气数据系统自主容错方法的数字仿真结果分析 |
6.4 基于信息融合的大气数据估计算法的仿真验证 |
6.4.1 基于信息融合的大气数据估计方法的数字仿真验证方案 |
6.4.2 基于信息融合的大气数据系统数字仿真的参数配置与仿真运行显示 |
6.4.3 基于信息融合的大气数据估计方法的数字仿真结果分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 本文的主要工作与创新 |
7.1.1 本文的主要工作和研究内容 |
7.1.2 本文的主要贡献与创新之处 |
7.2 进一步工作展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(9)高超声速流动多物理效应对美国航天飞机气动力影响研究的回顾(论文提纲范文)
0 引言 |
1 飞行试验前的气动力特性研究 |
1.1 气动力特性外推参数研究[2] |
1.2 气动力的不确定度研究[1] |
2 飞行试验后高超声速气动力特性研究 |
2.1 飞行试验气动力特性与飞行前预测数据的比较 |
2.2 纵向配平特性异常分析 |
2.3 天地相关性研究 |
3 结束语 |
(10)高超声速粘性干扰效应数据关联方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号和缩略词说明 |
第一章 引言 |
§1.1 研究背景 |
§1.2 国内外情况与研究现状 |
§1.3 论文结构与主要工作 |
第二章 试验与数值计算方案 |
§2.1 试验模型 |
§2.2 试验研究方案 |
§2.2.1 试验设备 |
§2.2.2 测试技术 |
§2.2.3 流场条件与试验状态 |
§2.3 数值模拟方法与验证 |
§2.4 数据处理方法 |
第三章 高超声速气动力试验不确定度分析方法 |
§3.1 引言 |
§3.2 被测变量的不确定度分析方法 |
§3.3 测量变量不确定度向试验结果的传递 |
§3.4 气动力试验的不确定度方法 |
§3.4.1 高超声速气动力试验的误差源 |
§3.4.2 需校准的系统与校准原则 |
§3.4.3 模型姿态角测量的不确定度评估方法 |
§3.4.4 天平校准过程的不确定度评估方法 |
§3.4.5 压力传感器校准过程的不确定度 |
§3.4.6 流场参数与气动力系数不确定度计算方法 |
§3.5 算例 |
§3.5.1 FD-20A高超声速风洞升力体模型气动力试验不确定度评估 |
§3.5.2 误差源对不确定度水平的影响 |
§3.6 本章小结 |
第四章 粘性干扰效应模拟准则与方法研究 |
§4.1 尺度化方法 |
§4.2 流动控制方程的尺度化 |
§4.2.1 N-S方程的尺度化 |
§4.2.2 边界层方程的尺度化 |
§4.3 算例 |
§4.4 讨论 |
§4.5 本章小结 |
第五章 粘性干扰效应及关联参数研究 |
§5.1 引言 |
§5.2 粘性干扰效应关联参数研究 |
§5.2.1 关联参数的推导 |
§5.2.2 地面风洞试验数据与飞行数据的相关性研究 |
§5.2.3 联合关联参数的讨论 |
§5.2.4 关联参数的适用性问题讨论 |
§5.3 本章小结 |
第六章 结束语 |
§6.1 工作总结 |
§6.2 主要创新点 |
§6.3 研究展望 |
致谢 |
参考文献 |
附录A 高超声速气动力试验流场参数与气动力系数不确定度估算方法的推导 |
附录B 原始数据 |
附录C 个人简介 |
攻读博士学位期间发表学术论文情况: |
四、飞机风洞实验数据不确定度估计方法(论文参考文献)
- [1]基于一维图像组合的空间目标位姿测量关键技术研究[D]. 王艳. 哈尔滨工业大学, 2021(02)
- [2]粒子图像测速仪(PIV)校准方法研究[D]. 刘兵. 河北大学, 2021(09)
- [3]气动数据高维整合及多维分析研究与设计[D]. 钟佳伶. 西南科技大学, 2021(08)
- [4]大型风电叶片尾缘襟翼载荷智能控制系统仿真与实验研究[D]. 杨洪磊. 中国科学院大学(中国科学院工程热物理研究所), 2020(01)
- [5]基于组合支撑的气动多维力测量研究[D]. 徐田国. 大连理工大学, 2020(02)
- [6]风力机气动性能跑车试验方法研究及其不确定度分析[D]. 梁焌. 郑州大学, 2020
- [7]导弹气动/大气参数一体化在线辨识与预示方法研究[D]. 赵磊. 国防科技大学, 2018(01)
- [8]嵌入式大气数据系统算法及大气数据传感信息融合关键技术研究[D]. 陆辰. 南京航空航天大学, 2018(01)
- [9]高超声速流动多物理效应对美国航天飞机气动力影响研究的回顾[J]. 毛枚良,陈亮中,万钊,刘化勇,燕振国. 空气动力学学报, 2017(01)
- [10]高超声速粘性干扰效应数据关联方法研究[D]. 王刚. 中国空气动力研究与发展中心, 2016(05)