CN111289013B - 一种分离复合多源扰动影响的机翼挠曲角速度估计方法 - Google Patents
一种分离复合多源扰动影响的机翼挠曲角速度估计方法 Download PDFInfo
- Publication number
- CN111289013B CN111289013B CN202010257976.2A CN202010257976A CN111289013B CN 111289013 B CN111289013 B CN 111289013B CN 202010257976 A CN202010257976 A CN 202010257976A CN 111289013 B CN111289013 B CN 111289013B
- Authority
- CN
- China
- Prior art keywords
- angular velocity
- data
- wing
- imu
- deflection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 55
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 18
- 238000005452 bending Methods 0.000 claims description 36
- 238000001228 spectrum Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 4
- 238000013329 compounding Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 239000002131 composite material Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种分离复合多源扰动影响的机翼挠曲角速度估计方法,该方法使用模态分解提取复合多源扰动影响下的机翼挠曲角速度;利用基于机载分布式高精度位置姿态测量***(简称:分布式POS)飞行数据建立机翼挠曲角速度模型解决由于柔性机翼形变导致子IMU位姿测量精度低的问题,进而提高机载分布式POS的精度。本发明可以用于显著提高机载分布式多载荷子IMU位姿精度,弥补传统机翼挠曲估计方法研究的不足。
Description
技术领域
本发明属于导航领域,一种分离复合多源扰动影响的机翼挠曲角速度估计方法。
背景技术
近年来,机载分布式POS(Position and Orientation System)以其能实现多节点测量、位姿精度高等特点,在航空及国防军事领域,特别是多任务成像载荷高精度对地观测领域得到了广泛应用。传统的分布式POS在进行子IMU位姿测量时,默认为主、子测量节点间的机翼为刚性机构。然而,受发动机振动以及阵风等内外部多源扰动影响,机翼发生柔性变形,产生的形变挠曲角导致各传感器节点之间的相对空间信息实时变化,从而降低分布式POS子IMU位姿测量精度。在估计方法上,传统的基于马尔可夫模型的建模属于经验模型,缺乏普适性;基于机翼结构参数建立的模型往往参数复杂,且并未考虑引起机翼形变的诸多因素以及各自的特征,建模效率不高,对挠曲角速度估计慢。
发明内容
本发明要解决的技术问题是:为弥补现有机载分布式POS位姿测量方法在柔性机翼条件下研究的不足,提供一种分离复合多源扰动影响的机翼挠曲角速度估计方法,在引入较少参数的条件下,基于分布式POS的飞行数据建模并对机翼挠曲角速度估计,用以提高分布式***子IMU的精度。
本发明技术解决方案:一种分离复合多源扰动影响的机翼挠曲角速度估计方法,包括如下步骤:
步骤一、根据分布式POS中的主IMU和子IMU的静态测量和动态测量输出数据的频谱分布,构建FIR低通滤波器,再利用FIR低通滤波器消除分布式POS动态量测数据中子IMU横滚角速度的陀螺仪漂移;
步骤二、利用一阶差分处理对已消除陀螺仪漂移的动态量测数据,提取子IMU处挠曲角速度数据;
步骤三、对提取的子IMU处挠曲角速度数据进行模态分解,再分析模态分解后的挠曲角速度数据与不同扰动的相关性,对不同扰动下挠曲角速度数据分别进行叠加;
步骤四、对叠加后的不同扰动下挠曲角速度数据建立挠曲角速度模型,然后利用模型对挠曲角速度估计得到估计值。
所述步骤一中,具体包括以下步骤:
(1)首先对主IMU、子IMU静态测量输出数据进行FFT变换,确定陀螺仪量静态测量的频谱分布Q1;
(2)对主IMU、子IMU动态测量输出数据进行FFT变换,确定陀螺仪动态测量的频谱分布Q2;
(3)根据所述Q1和Q2频谱分布表现出的主、子IMU测量数据特性,以飞行实验中频谱图的尖峰值作为FIR低通滤波器的截止频率,利用Hanning窗确定FIR低通滤波器的长度,构建FIR低通滤波器;
(4)最后对分布式POS动态测量数据中的子IMU横滚角速度通过构建的FIR低通滤波器得到去除陀螺仪漂移后的横滚角速度数据。
所述步骤二中,包括以下步骤:
首先对去除陀螺仪漂移影响之后的动态测量数据进行一阶差分,通过子IMU所测两个连续采样的横滚角速度数据作差以消除载体运动轨迹的影响,获取每一时间点的挠曲效应角速度变化量数据;然后,依据连续时间点进行叠加计算之后即得到子IMU处挠曲角速度数据。
所述步骤三中,包括以下步骤:
首先将提取的挠曲角速度数据通过模态分解得到有限个频率从低到高的IMF序列,然后,借助IMF序列与POS量测数据的相关性提取大气湍流、发动机振动影响下的机翼变形量,其中,分布式POS中的高度、速度信息与IMF序列之间的相关性大小来体现大气湍流对机翼挠曲变形的影响;分布式POS中加速度信息与IMF序列之间的相关性大小来体现发动机振动对机翼挠曲变形的影响;最后,对与不同扰动相关性较高的特定IMF序列叠加计算,得到叠加后的不同扰动下的挠曲角速度数据。
所述步骤四中,对叠加后的不同扰动下挠曲角速度信号基于自回归模型参数辨识建立挠曲角速度模型如下:首先,利用AIC准则确定该挠曲角速度模型阶数;然后,根据最小二乘法计算步骤,求得确定阶数下的模型参数;最后,基于确定阶数和模型参数的挠曲角速度模型,即由前述分离复合多源扰动影响后的多个时刻机翼挠曲角速度数据得到下一时刻的机翼形变挠曲角速度,实现对机翼挠曲形变量的建模。
具体包括以下步骤:
1.根据分布式POS主、子IMU的静态和动态量测数据频谱特性构建FIR低通滤波器,再利用FIR低通滤波器消除分布式POS动态量测数据的陀螺仪漂移。
机载分布式POS的主、子IMU飞行数据包含有陀螺仪测量的固定误差和随机误差,在从中提取机翼形变挠曲角速度之前,必须要对分布式POS的飞行数据消除陀螺仪测量误差的影响。机载分布式POS中子IMU所测量的角速度信号ωib可以表示为如下形式:
ωib=ωim+ωf+εg (1)
式(1)中,ωim为主IMU提供的表征飞机机体角运动信息;ωf表征主、子IMU间的角运动,即飞机机翼挠曲效应角速度;εg表征子IMU陀螺仪漂移,表征陀螺仪测量的固定和随机误差,该式即描述了主、子IMU提供的角速度量测信息与机翼挠曲角的定量关系。
首先对POS设备的静态测量数据进行FFT变换以确定陀螺仪噪声量,如图2所示,图2中(a)、(b)、(c)依次为x、y、z方向的陀螺仪量测量的频谱分布效果图,实际操作时根据机载分布式POS实际飞行数据进行作图。
然后,对飞行实验中子IMU位置IMU的陀螺仪量测量进行FFT变换,得到的结果如图3所示,图3中的(a)、(b)、(c)依次为x、y、z方向的陀螺仪量测量的频谱分布效果图,实际操作时根据机载分布式POS实际飞行数据进行作图。
根据图2、3频谱表现出的主、子IMU测量数据特性确定飞行实验中尖峰值,以图为例,确定83.3Hz作为FIR低通滤波器的截止频率,利用Hanning窗确定FIR低通滤波器的长度,构建FIR低通滤波器。
2.利用一阶差分处理对已消除陀螺漂移的动态量测数据,提取子IMU处挠曲角速度数据。
利用一阶差分对已经消除陀螺仪漂移的主、子IMU角速度数据处理来提取柔性机翼的子IMU处挠曲角速度数据。陀螺仪X轴、Y轴、Z轴量测量分别表示载机沿俯仰、横滚、航向三个方向上的角速度变化,主、子IMU间的机翼形变挠曲角一般Y轴方向(即横滚方向)最大,且对机翼影响最大,主要考虑沿Y轴的变形量。这里通过对前述滤波后的横滚角速度信号作一阶差分处理来初步提取机翼挠曲变形量。
为了从子IMU测量角速度ωib提取飞机机翼挠曲效应角速度ωf,在去除陀螺仪漂移(即εg)的影响之后,需消除载体运动轨迹(即ωim)的影响。去除陀螺仪漂移之后的主、子IMU同方向上相对角速度即为机翼挠曲变形角速度。对POS测量数据的两个连续采样时间点的数据进行差值处理
实现获取载体挠曲运动信息在计算中暂不考虑初始静止条件下受重力作用的挠曲变形初始值,通过对子IMU所感应的两个连续采样数据差值来获得载体挠曲运动信息以达到去除ωim影响的效果,获取每一时间点的数据,依据连续时间点进行叠加计算之后即可得到机翼挠曲信息ωf。
3.对提取的挠曲角速度数据进行模态分解,再分析各分解信号与不同扰动的相关性,对同类扰动下挠曲角速度信号分量进行叠加。
对提取出的机翼挠曲角速度数据进行模态分解得到不同IMF分量下的挠曲角速度序列,针对各IMF分量的挠曲角速度序列与分布式提供的高度、速度及加速度信息的相关性,归类不同扰动下挠曲角速度信号,并对同一类的IMF分量下的信号进行叠加,得到分离了内、外部扰动的机翼挠曲角速度序列。
任何复杂信号是由一些具有不同带宽、反映信号的局部频率特征的本征模态函数(Intrinsic Mode Function,IMF)组成,因此基于信号本身特性将原信号按频率分解,可获得一组从低频到高频的N个基本IMF序列以及一个残余趋势信号r(n),表达式如下:
式(3)中,x(n)为原信号,IMFj为第j个IMF分量,r(n)为残余趋势信号。
将提取的机翼挠曲效应角速度ωf通过模态分解,可获得有限个频率从低到高的IMF序列,并且IMF序列具有一定的自适应性,其自适应性体现在模态分解是基于POS测量数据自身特性,对于不同飞行段的POS测量数据,IMF序列是一组频率、幅值均变化的基函数。这里借助IMF序列与POS量测数据的相关性提取大气湍流、发动机振动影响下的机翼变形量。
分布式POS中的高度、速度信息与IMF序列之间的相关性大小来体现大气湍流对机翼挠曲变形的影响;分布式POS中加速度信息与IMF序列之间的相关性大小来体现发动机振动对机翼挠曲变形的影响。
对初步提取的主、子IMU间机翼挠曲变形量进行模态分解获得15个IMF序列如图4所示,图4展示的是原挠曲角速度信号以及对原挠曲角速度信号分解出的15个IMF分量的效果图,从上到下依次为原信号、1~15IMF分量。依据不同频率的IMF序列与高度、速度、加速度之间的相关性选择特定IMF序列叠加计算内外部扰动影响下的机翼挠曲变形量,表1列出针对某段分布式POS飞行数据所提取的机翼挠曲变形量与高度、速度以及加速度的相关程度。
表1机翼挠曲变形量与物理量的相关性
IMF序列 | 高度 | 速度 | 加速度 |
IMF1 | 0.003 | 0.000 | 0.191 |
IMF2 | 0.001 | 0.001 | 0.065 |
IMF3 | 0.001 | 0.000 | 0.015 |
IMF4 | 0.003 | 0.004 | 0.017 |
IMF5 | 0.001 | 0.007 | 0.005 |
IMF6 | 0.002 | 0.000 | 0.004 |
IMF7 | 0.002 | 0.003 | 0.002 |
IMF8 | 0.005 | 0.007 | 0.003 |
IMF9 | 0.030 | 0.010 | 0.003 |
IMF10 | 0.055 | 0.046 | 0.001 |
IMF11 | 0.018 | 0.054 | 0.000 |
IMF12 | 0.050 | 0.223 | 0.003 |
IMF13 | 0.003 | 0.020 | 0.000 |
IMF14 | 0.409 | 0.599 | 0.001 |
IMF15 | 0.267 | 0.307 | 0.002 |
从表1得出IMF分量与高度、速度量(即湍流的较大相关量)的关系主要体现在低频段,如IMF11~IMF15;与加速度(即发动机振动的较大相关量)的关系主要体现在高频段,如IMF1~IMF3。
对特定IMF序列叠加计算即可分离不同干扰影响下的机翼变形量,以为例,叠加得到的结果如图5,其中与外界大气湍流因素相关的信号分量为图5中(a)所示,与飞机发动机振动因素相关的信号分量为图5中(b)所示。
4.对叠加后的不同扰动下挠曲角速度信号建立挠曲角速度模型,利用模型对挠曲角速度估计。
基于FIR低通滤波器、一阶差分处理以及模态分解可提取并分离内外部多源扰动影响下的机翼挠曲效应角速度,可依据其进行机翼变形建模工作。这里对分离复合多源扰动影响后的挠曲角速度数据基于自回归模型参数辨识进行机翼挠曲角速度建模。
自回归p阶模型即:
xm=φ1xm-1+φ2xm-2+…+φpxm-p+εj (4)
最后,根据已知模型参数的式(4)模型,即可由前述分离复合多源扰动影响后的前p个时刻机翼挠曲角速度数据得到下一时刻的机翼形变挠曲角速度,实现对该物理量的建模。
本发明与现有技术相比的有益效果在于:
(1)本发明的一种分离复合多源扰动影响的机翼挠曲角速度估计方法,利用FIR低通滤波器消除飞行数据中陀螺漂移影响,然后利用一阶差分提取挠曲角速度数据,再由模态分解法分离内外部扰动影响。在机翼挠曲角速度数据建模过程中,通过使用自回归模型建立机翼挠曲角速度模型,提高子IMU位姿测量精度,进而提高分布式多任务载荷成像精度。
(2)本发明采用一阶差分法对分布式POS的飞行数据处理,提取出了包含其中的机翼形变挠曲角速度;并利用模态分解的方法,对由于载机内、外部干扰导致的机翼形变量进行了分解,解决了由于飞行过程中机翼受到的复杂多源扰动而导致机翼挠曲形变量难以求取的问题。
(3)本发明对不同扰动下挠曲角速度进行建模估计,利用分离复合多源扰动影响后的前p个时刻机翼挠曲角速度数据得到下一时刻的机翼形变挠曲角速度,不仅能修正柔性机翼子IMU载荷位姿信息,而且较之以往的纯机理建模,该建模依托实时POS数据而非经验模型,并且模型参数较少,具有实时修正特性。
附图说明
图1是本发明方法之数据处理步骤示意图;
图2是本发明方法之静态测试陀螺仪量测量的频谱图;其中(a)、(b)、(c)依次为静态条件下x、y、z方向的陀螺仪量测量的频谱分布效果图;
图3是本发明方法之动态飞行测试陀螺仪量测量的频谱图;其中(a)、(b)、(c)依次为动态条件下x、y、z方向的陀螺仪量测量的频谱分布效果图;
图4是本发明方法之挠曲角速度原信号及其15个IMF分量序列效果图;
图5是本发明方法之分离内、外部扰动下机翼挠曲角速度序列图,其中(a)为与外界大气湍流因素相关的信号分量,(b)为与飞机发动机振动因素相关的信号分量。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
如图1所示,本发明的一种分离复合多源扰动影响的机翼挠曲角速度估计方法,包括如下技术步骤:
步骤一:根据分布式POS主、子IMU的静态和动态量测数据频谱特性构建FIR低通滤波器,再利用FIR低通滤波器消除分布式POS动态量测数据的陀螺仪漂移。
实际操作时步骤如下:
(1)调用fft函数将飞行角速度数据转换至频域,设置采样频率Fs为惯性测量单元的信号采集频率200Hz,FIR低通滤波器通带截止频率fp设置为0Hz,阻带起始频率fs设置为83.3Hz;
(2)将模拟通带截止频率与模拟阻带起始频率转化为数字FIR低通滤波器频率,并求出标准化的截止频率响应,公式如下式(5-7):
其中,wp为数字化后的通带截止频率,ws为数字化后的阻带起始频率,wn为标准化的截止频率;
(3)设置FIR低通滤波器长度和加Hanning窗函数得到FIR低通滤波器;
(4)将构建的FIR低通滤波器加至频率域的飞行角速度数据滤波得到消除陀螺仪漂移后的角速度数据。由于机翼的柔性形变主要发生在横滚方向,故对分布式POS飞行数据的子IMU横滚角速度通过构建的FIR低通滤波器即得到去除陀螺仪漂移后的横滚角速度数据。
步骤二:利用一阶差分处理对已消除陀螺漂移的动态量测数据,提取子IMU处挠曲角速度数据。
实际操作时步骤如下:
步骤三:对提取的挠曲角速度数据进行模态分解,再分析各分解信号与不同扰动的相关性,对同类扰动下挠曲角速度信号分量进行叠加。
实际操作时步骤如下:
(1)调用emd函数绘制各IMF图像;
(2)求解每一IMF分量与分布式POS提供的速度、高度、加速度数据的互相关函数;
(3)调用corrcoef函数判断陀螺仪原始输出角速度与速度、高度、加速度的相关性,由此分离出不同扰动源对应的机翼挠曲角速度IMF分量如表1所示。对表1进行说明;
(4)对特定IMF分量叠加计算,绘制不同扰动源对应的挠曲角速度时间序列图像,结果参照图5所示,其中与外界大气湍流因素相关的信号分量为图5中(a),与飞机发动机振动因素相关的信号分量为图5中(b),由图可以清晰地得到不同扰动下对应信号分量的波形特征。
对挠曲信息根据不同扰动因素进行分解的目的,是为了有针对性地对不同扰动因素下挠曲角速度分别建模。
步骤四:对叠加后的不同扰动下挠曲角速度信号建立挠曲角速度模型,利用模型对挠曲角速度估计。
利用AIC准则确定模型阶数,即使得:
AIC=nlnσ2+2p (8)
达到最小值,其中n为数据量,p为模型阶数,σ2为所建模型的方差值。利用最小二乘估计模型参数,对于前述处理提取的机翼挠曲角速度样本序列{xm},m表示在m时刻,当m≥p,记白噪声εj的估计为:
Y=Xφ+ε (10)
于是残差平方和函数表示为:
S(φ)=(Y-Xφ)T(Y-Xφ)=YTY-2YTXφ+φTXTXφ (11)
式(11)对参数φ求导可得:
使得式(12)为0,从而计算φ的最小二乘估计为:
此时误差方差的最小二乘估计为:
根据上述最小二乘法计算步骤,即可求得一定阶数下自回归模型的模型参数。
最后,根据已知模型参数的式(4)模型,即可由前述分离复合多源扰动影响后的前p个时刻机翼挠曲角速度数据得到下一时刻的机翼形变挠曲角速度,实现对该物理量的建模。
实际操作时,步骤如下:
(1)将分离不同扰动后地机翼挠曲角速度序列分别用AIC准则判断,确定模型阶数;
(2)对已定阶的不同扰动下挠曲角速度序列利用最小二乘法分别进行模型参数估计;
(3)得到不同扰动下的机翼挠曲角速度自回归模型,代入前p时刻挠曲角速度即可估计当前时刻的挠曲角速度。
Claims (3)
1.一种分离复合多源扰动影响的机翼挠曲角速度估计方法,其特征在于,包括如下步骤:
步骤一、根据分布式POS中的主IMU和子IMU的静态测量和动态测量输出数据的频谱分布,构建FIR低通滤波器,再利用FIR低通滤波器消除分布式POS动态量测数据中子IMU横滚角速度的陀螺仪漂移;
步骤二、利用一阶差分处理对已消除陀螺仪漂移的动态量测数据,提取子IMU处挠曲角速度数据;
步骤三、对提取的子IMU处挠曲角速度数据进行模态分解,再分析模态分解后的挠曲角速度数据与不同扰动的相关性,对不同扰动下挠曲角速度数据分别进行叠加;
步骤四、对叠加后的不同扰动下挠曲角速度数据建立挠曲角速度模型,然后利用模型对挠曲角速度估计得到估计值;
所述步骤三中,包括以下步骤:
首先将提取的挠曲角速度数据通过模态分解得到有限个频率从低到高的IMF序列,然后,借助IMF序列与POS量测数据的相关性提取大气湍流、发动机振动影响下的机翼变形量,其中,分布式POS中的高度、速度信息与IMF序列之间的相关性大小来体现大气湍流对机翼挠曲变形的影响;分布式POS中加速度信息与IMF序列之间的相关性大小来体现发动机振动对机翼挠曲变形的影响;最后,对与不同扰动相关性较高的特定IMF序列叠加计算,得到叠加后的不同扰动下的挠曲角速度数据;
所述步骤四中,对叠加后的不同扰动下挠曲角速度信号基于自回归模型参数辨识建立挠曲角速度模型如下:首先,利用AIC准则确定该挠曲角速度模型阶数;然后,根据最小二乘法计算步骤,求得确定阶数下的模型参数;最后,基于确定阶数和模型参数的挠曲角速度模型,即由前述分离复合多源扰动影响后的多个时刻机翼挠曲角速度数据得到下一时刻的机翼形变挠曲角速度,实现对机翼挠曲形变量的建模。
2.根据权利要求1所述的方法,其特征在于,所述步骤一中,具体包括以下步骤:
(1)首先,对主IMU、子IMU静态测量输出数据进行FFT变换,确定陀螺仪量静态测量的频谱分布Q1;
(2)然后,对主IMU、子IMUIMU动态测量输出数据进行FFT变换,确定陀螺仪动态测量的频谱分布Q2;
(3)再根据所述Q1和Q2频谱分布表现出的主、子IMU测量数据特性,以飞行实验中频谱图的尖峰值作为FIR低通滤波器的截止频率,利用Hanning窗确定FIR低通滤波器的长度,构建FIR低通滤波器;
(4)最后利用FIR低通滤波器消除分布式POS动态量测数据中子IMU横滚角速度的陀螺仪漂移。
3.根据权利要求1所述的方法,其特征在于,所述步骤二中,包括以下步骤:
首先对去除陀螺仪漂移影响之后的动态测量数据进行一阶差分,通过子IMU所测两个连续采样的横滚角速度数据作差以消除载体运动轨迹的影响,获取每一时间点的挠曲效应角速度变化量数据;然后,依据连续时间点进行叠加计算之后即得到子IMU处挠曲角速度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257976.2A CN111289013B (zh) | 2020-04-03 | 2020-04-03 | 一种分离复合多源扰动影响的机翼挠曲角速度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257976.2A CN111289013B (zh) | 2020-04-03 | 2020-04-03 | 一种分离复合多源扰动影响的机翼挠曲角速度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111289013A CN111289013A (zh) | 2020-06-16 |
CN111289013B true CN111289013B (zh) | 2021-09-03 |
Family
ID=71021021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010257976.2A Expired - Fee Related CN111289013B (zh) | 2020-04-03 | 2020-04-03 | 一种分离复合多源扰动影响的机翼挠曲角速度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111289013B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750066A (zh) * | 2009-12-31 | 2010-06-23 | 中国人民解放军国防科学技术大学 | 基于卫星定位的sins动基座传递对准方法 |
CN107765244A (zh) * | 2017-09-18 | 2018-03-06 | 北京航空航天大学 | 基于机载双天线InSAR基线测量方法和装置 |
CN107764261A (zh) * | 2017-10-13 | 2018-03-06 | 北京航空航天大学 | 一种分布式pos传递对准用模拟数据生成方法和*** |
CN108375383A (zh) * | 2018-02-22 | 2018-08-07 | 北京航空航天大学 | 多相机辅助的机载分布式pos柔性基线测量方法和装置 |
CN108398130A (zh) * | 2018-02-22 | 2018-08-14 | 北京航空航天大学 | 挠曲形变测量网络的分布式pos传递对准建模方法和装置 |
CN109724624A (zh) * | 2018-12-29 | 2019-05-07 | 湖北航天技术研究院总体设计所 | 一种适用于机翼挠曲变形的机载自适应传递对准算法 |
CN109724626A (zh) * | 2019-03-08 | 2019-05-07 | 哈尔滨工程大学 | 一种针对极区传递对准动态挠曲杆臂效应的模型补偿方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2615026B1 (en) * | 2011-06-10 | 2018-04-04 | Airbus Defence and Space GmbH | Method and apparatus for minimizing dynamic structural loads of an aircraft |
CN103278178A (zh) * | 2013-04-26 | 2013-09-04 | 哈尔滨工程大学 | 在传递对准中考虑传输延迟的挠曲变形测量方法 |
CN103256928B (zh) * | 2013-04-28 | 2015-05-20 | 南京航空航天大学 | 一种分布式惯性导航***及其姿态传递对准方法 |
-
2020
- 2020-04-03 CN CN202010257976.2A patent/CN111289013B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750066A (zh) * | 2009-12-31 | 2010-06-23 | 中国人民解放军国防科学技术大学 | 基于卫星定位的sins动基座传递对准方法 |
CN107765244A (zh) * | 2017-09-18 | 2018-03-06 | 北京航空航天大学 | 基于机载双天线InSAR基线测量方法和装置 |
CN107764261A (zh) * | 2017-10-13 | 2018-03-06 | 北京航空航天大学 | 一种分布式pos传递对准用模拟数据生成方法和*** |
CN108375383A (zh) * | 2018-02-22 | 2018-08-07 | 北京航空航天大学 | 多相机辅助的机载分布式pos柔性基线测量方法和装置 |
CN108398130A (zh) * | 2018-02-22 | 2018-08-14 | 北京航空航天大学 | 挠曲形变测量网络的分布式pos传递对准建模方法和装置 |
CN109724624A (zh) * | 2018-12-29 | 2019-05-07 | 湖北航天技术研究院总体设计所 | 一种适用于机翼挠曲变形的机载自适应传递对准算法 |
CN109724626A (zh) * | 2019-03-08 | 2019-05-07 | 哈尔滨工程大学 | 一种针对极区传递对准动态挠曲杆臂效应的模型补偿方法 |
Non-Patent Citations (2)
Title |
---|
Active flow vector flight control for a fixed-wing UAV with Synthetic Jet;Jianhua Shen 等;《Proceedings of the 37th Chinese Control Conference》;20180727;第9946-9951页 * |
面向InSAR的空气扰动影响机翼挠曲变形建模;朱庄生 等;《北京航空航天大学学报》;20200131;第46卷(第1期);第38-50页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111289013A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Adaptive noise cancelling and time–frequency techniques for rail surface defect detection | |
CN105222809B (zh) | 一种地磁梯度鲁棒的航磁干扰补偿系数估计的方法 | |
CN104730537B (zh) | 基于多尺度模型的红外/激光雷达数据融合目标跟踪方法 | |
CN106487359B (zh) | 基于自适应多尺度AVG-Hat变换的形态学滤波器的构造方法 | |
CN103090884B (zh) | 基于捷联惯导***的多普勒计程仪测速误差抑制方法 | |
CN107688554A (zh) | 基于自适应傅里叶分解的频域辨识方法 | |
CN102620729A (zh) | 一种机抖激光陀螺惯性测量单元数字滤波器设计方法 | |
Ding et al. | Sparsity-based algorithm for condition assessment of rotating machinery using internal encoder data | |
CN111896260B (zh) | NGAs同步优化小波滤波器与MCKD的轴承故障诊断方法 | |
CN110782041B (zh) | 一种基于机器学习的结构模态参数识别方法 | |
CN103557856A (zh) | 一种光纤陀螺随机漂移实时滤波方法 | |
CN106289238A (zh) | 一种星敏感器数据优化处理方法 | |
CN113218391A (zh) | 一种基于ewt算法的姿态解算方法 | |
CN110940522A (zh) | 强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法 | |
CN109443393B (zh) | 一种基于盲分离算法的捷联惯导信号提取方法及*** | |
CN111027012A (zh) | 基于调制滑动傅立叶变换的飞行器弹性振动在线辨识算法 | |
CN111289013B (zh) | 一种分离复合多源扰动影响的机翼挠曲角速度估计方法 | |
CN108120452A (zh) | Mems陀螺仪动态数据的滤波方法 | |
CN114623848A (zh) | 基于变分模态分解和flp的半球谐振陀螺随机误差补偿方法 | |
CN112345199B (zh) | 一种暂冲式高速风洞迎角传感器振动影响修正方法 | |
CN105698799B (zh) | 一种提高捷联惯导***姿态精度的预处理最优fir滤波器 | |
CN112345247A (zh) | 一种滚动轴承的故障诊断方法及装置 | |
CN110596425B (zh) | 一种无人机mems加速度传感器噪声消除方法 | |
CN109917797A (zh) | 利用卫星陀螺数据辨识整星挠性振动模态阻尼方法与*** | |
Ben Asher et al. | Improvements to Wind-Tunnel Flutter Prediction with Application to the Active Aeroelastic Aircraft Testbed Wind-Tunnel Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210903 |