CN111144205A - 一种航天器结构中间隙非线性系统识别方法 - Google Patents

一种航天器结构中间隙非线性系统识别方法 Download PDF

Info

Publication number
CN111144205A
CN111144205A CN201911146410.6A CN201911146410A CN111144205A CN 111144205 A CN111144205 A CN 111144205A CN 201911146410 A CN201911146410 A CN 201911146410A CN 111144205 A CN111144205 A CN 111144205A
Authority
CN
China
Prior art keywords
nonlinear
spacecraft
gap
matrix
optimal
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.)
Granted
Application number
CN201911146410.6A
Other languages
English (en)
Other versions
CN111144205B (zh
Inventor
费庆国
朱锐
周徐斌
姜东�
曹芝腑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201911146410.6A priority Critical patent/CN111144205B/zh
Publication of CN111144205A publication Critical patent/CN111144205A/zh
Application granted granted Critical
Publication of CN111144205B publication Critical patent/CN111144205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Complex Calculations (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种航天器结构中间隙非线性系统识别方法，包括如下步骤：(1)生成一个随机相位的激励信号，作用航天器结构上获得测试后的响应，获得最佳逼近频响函数；(2)选取不同模态阶次，获得航天器线性部分系统参数，根据模态选择指标确定最佳模型阶次，基于非线性优化确定间隙非线性参数。本发明基于测量获得输入和输出信号，基于非线性优化算法有效地识别了系统的非线性系统参数，确定了航天器间隙非线性参数，具有实际工程意义。

Description

一种航天器结构中间隙非线性系统识别方法
技术领域
本发明涉及非线性识别方法技术领域，尤其是一种航天器结构中间隙非线性系统识别方法。
背景技术
随着航天器的快速化发展，结构尺寸越来越大，结构也更加复杂，同时带来的更多复杂的动力学问题。大型航天器往往由多个模块组装起来，对连接部位的动力学特性难以把握是长期以来制约航天技术发展的瓶颈之一，主要的原因是连接部位通常表现出不同程度的非线性，其中间隙非线性是作为广泛地的存在类型。
如何识别航天器结构中的间隙非线性参数，已成为亟待解决的实际工程问题。
发明内容
本发明所要解决的技术问题在于，提供一种航天器结构中间隙非线性系统识别方法，能够有效地确定帆板结构调频的最优位置，具有实际工程意义。
为解决上述技术问题，本发明提供一种航天器结构中间隙非线性系统识别方法，包括如下步骤：
(1)生成一个随机相位的激励信号，作用航天器结构上获得测试后的响应，获得最佳逼近频响函数；
(2)选取不同模态阶次，获得航天器线性部分系统参数，根据模态选择指标确定最佳模型阶次，基于非线性优化确定间隙非线性参数。
优选的，步骤(1)中，生成一个的随机相位的激励信号，作用间隙非线性系统结构上获得航天器响应，获得最佳逼近频响函数，具体包括以下步骤：
(11)首先生成一个随机相位的激励信号u(t)
Figure BDA0002282332270000011
其中M为采样数，t是采用时间，fs是采样频率，Bi和θi分别为谐波频率i×fs/M的幅值和相位；
(12)航天器结构铰链处的质量矩阵为M，线性刚度矩阵K，阻尼矩阵为D，间隙非线性函数为R(x)，结构的动力学方程为
Figure BDA0002282332270000021
R(x)是关于位移x的分段函数，具体如下
Figure BDA0002282332270000022
其中，d间隙值，kc为间隙非线性参数，为将上述u(t)的信号作为激励作用在航天器结构上进行试验，获得结构的响应y；
(13)基于最佳线性估计获得结构频响函数H：
Figure BDA0002282332270000023
其中Tuu为输入的自功率谱，Tyu为输出和输入信号间的功率谱，j为虚数单位，即j2＝-1，ω为圆频率。
优选的，步骤(2)中，选取不同模态阶次，获得结构线性部分系统参数，根据模态选择指标确定最佳模型阶次，基于非线性优化确定间隙非线性参数，具体包括以下步骤：
(21)分别从选取2,3,…,n-1,n不同的阶次，依次通过子空间识别不同阶次r下的系统矩阵Ar，输入矩阵Br，输出矩阵Cr，传递矩阵Dr；
(22)计算获得识别阶次后航天器的估计频响函数Gr：
Gr＝Cr(ZiI-Ar)-1Br+Dr (5)
其中Zi＝ej2π(i/M)；
(23)从上述所以阶次中选定确定最佳阶次，以均方根
Figure BDA0002282332270000024
作为模态定阶指标，当达到最小值为最佳阶次rbest，对应的为最佳模型Grbest；
(24)给定初始预估非线系数，计算误差e＝y-Grbest,基于非线性优化计算参数矩阵p
Δp＝-(▽2e)-1▽e (6)
其中，▽为梯度计算式函，基于Δp最终确定非线性参数kc。
本发明的有益效果为：本发明基于测量获得输入和输出信号，基于非线性优化算法有效地识别了系统的非线性系统参数，确定了航天器间隙非线性参数，具有实际工程意义。
附图说明
图1为本发明的实测的频响函数、拟合的频响函数及其误差示意图。
具体实施方式
一种航天器结构中间隙非线性系统识别方法，包括如下步骤：
(1)生成一个随机相位的激励信号，作用航天器结构上获得测试后的响应，获得最佳逼近频响函数；
(2)选取不同模态阶次，获得航天器线性部分系统参数，根据模态选择指标确定最佳模型阶次，基于非线性优化确定间隙非线性参数。
本实施例以含间隙非线性的单自由度系统为例，表达式为
Figure BDA0002282332270000031
包括以下步骤：
步骤1，生成一个随机相位的激励信号，作用间隙非线性系统结构上获得结构测试获得响应，获得最佳逼近频响函数：
11)首先生成一个随机相位的激励信号u(t)
Figure BDA0002282332270000032
其中M＝1024为采样数，t＝100s为采样时间，fs＝1Hz是采样频率，Bi和θi分别为谐波频率i×fs/M的幅值和相位。
12)航天器结构铰链处的质量矩阵为M＝1.3，线性刚度矩阵K＝800，阻尼矩阵为C＝2，间隙非线性函数为R(x),结构的动力学方程为
Figure BDA0002282332270000033
R(x)是关于位移x的分段函数，具体如下
Figure BDA0002282332270000034
其中，d＝0.01间隙值，kc＝1000为间隙非线性参数，为将上述u(t)的信号作为激励作用在航天器结构上进行试验，获得结构的响应y。
13)基于最佳线性估计获得航天器频响函数H，如图1中实测点曲线；
Figure BDA0002282332270000041
其中Tuu为输入的自功率谱，Tyu为输出和输入信号间的功率谱，j为虚数单位，即j2＝-1，ω为圆频率；
步骤2，选取不同模态阶次，获得航天器线性部分系统参数，根据模态选择指标确定最佳模型阶次，基于非线性优化确定间隙非线性参数：
21)分别从选取2,3,…,n-1,n不同的阶次，依次通过子空间识别不同阶次r下的航天器系统矩阵Ar，输入矩阵Br，输出矩阵Cr，传递矩阵Dr；
22)计算获得识别阶次后航天器的估计频响函数Gr，如图1的拟合曲线；
Gr＝Cr(ZiI-Ar)-1Br+Dr (11)
其中Zi＝ej2π(i/M)；
23)从上述所以阶次中选定确定最佳阶次，以均方根
Figure BDA0002282332270000042
作为模态定价指标，当达到最小值为最佳阶次rbest＝2，对应的为最佳模型Grbest。
24)给定初始预估非线系数，计算误差e＝y-Grbest，即图1中error，基于非线性优化计算参数矩阵p
Δp＝-(▽2e)-1▽e (12)
其中，▽为梯度计算式函，基于Δp最终确定非线性参数kc＝1000。
本发明基于测量获得输入和输出信号，基于非线性优化算法有效地识别了系统的非线性系统参数，确定了航天器间隙非线性参数，具有实际工程意义。

Claims (3)

1.一种航天器结构中间隙非线性系统识别方法，其特征在于，包括如下步骤：
(1)生成一个随机相位的激励信号，作用航天器结构上获得测试后的响应，获得最佳逼近频响函数；
(2)选取不同模态阶次，获得航天器线性部分系统参数，根据模态选择指标确定最佳模型阶次，基于非线性优化确定间隙非线性参数。
2.如权利要求1所述的航天器结构中间隙非线性系统识别方法，其特征在于，步骤(1)中，生成一个的随机相位的激励信号，作用间隙非线性系统结构上获得航天器响应，获得最佳逼近频响函数，具体包括以下步骤：
(11)首先生成一个随机相位的激励信号u(t)
Figure FDA0002282332260000011
其中M为采样数，t是采用时间，fs是采样频率，Bi和θi分别为谐波频率i×fs/M的幅值和相位；
(12)航天器结构铰链处的质量矩阵为M，线性刚度矩阵K，阻尼矩阵为D，间隙非线性函数为R(x)，结构的动力学方程为
Figure FDA0002282332260000012
R(x)是关于位移x的分段函数，具体如下
Figure FDA0002282332260000013
其中，d间隙值，kc为间隙非线性参数，为将上述u(t)的信号作为激励作用在航天器结构上进行试验，获得结构的响应y；
(13)基于最佳线性估计获得结构频响函数H：
Figure FDA0002282332260000014
其中Tuu为输入的自功率谱，Tyu为输出和输入信号间的功率谱，j为虚数单位，即j2＝-1，ω为圆频率。
3.如权利要求1所述的航天器结构中间隙非线性系统识别方法，其特征在于，步骤(2)中，选取不同模态阶次，获得结构线性部分系统参数，根据模态选择指标确定最佳模型阶次，基于非线性优化确定间隙非线性参数，具体包括以下步骤：
(21)分别从选取2,3,…,n-1,n不同的阶次，依次通过子空间识别不同阶次r下的系统矩阵Ar，输入矩阵Br，输出矩阵Cr，传递矩阵Dr；
(22)计算获得识别阶次后航天器的估计频响函数Gr：
Gr＝Cr(ZiI-Ar)-1Br+Dr (5)
其中Zi＝ej2π(i/M)；
(23)从上述所以阶次中选定确定最佳阶次，以均方根
Figure FDA0002282332260000021
作为模态定阶指标，当达到最小值为最佳阶次rbest，对应的为最佳模型Grbest；
(24)给定初始预估非线系数，计算误差e＝y-Grbest,基于非线性优化计算参数矩阵p
Figure FDA0002282332260000022
其中，
Figure FDA0002282332260000023
为梯度计算式函，基于Δp最终确定非线性参数kc。
CN201911146410.6A 2019-11-21 2019-11-21 一种航天器结构中间隙非线性系统识别方法 Active CN111144205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911146410.6A CN111144205B (zh) 2019-11-21 2019-11-21 一种航天器结构中间隙非线性系统识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911146410.6A CN111144205B (zh) 2019-11-21 2019-11-21 一种航天器结构中间隙非线性系统识别方法

Publications (2)

Publication Number Publication Date
CN111144205A true CN111144205A (zh) 2020-05-12
CN111144205B CN111144205B (zh) 2021-01-05

Family

ID=70517197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911146410.6A Active CN111144205B (zh) 2019-11-21 2019-11-21 一种航天器结构中间隙非线性系统识别方法

Country Status (1)

Country Link
CN (1) CN111144205B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19643458A1 (de) * 1996-10-10 1998-04-16 Wolfram Dipl Ing Ebert Einrichtung zur Parameteridentifikation einer Übertragungsstrecke
CN103092075A (zh) * 2012-12-31 2013-05-08 上海师范大学 一种含有间隙特性的机械传动系统模型参数确定方法
CN103246890A (zh) * 2013-05-15 2013-08-14 中国石油大学(华东) 基于多输入多输出信号降噪的模态参数识别方法
CN106773678A (zh) * 2016-11-30 2017-05-31 西安交通大学 用于多非线性参数耦合系统的参数辨识方法及其辨识设备
CN107609221A (zh) * 2017-08-15 2018-01-19 东南大学 一种基于遗传算法的含铰结构非线性参数识别方法
CN110126625A (zh) * 2019-05-16 2019-08-16 大连交通大学 一种新型高速受电弓及其轻量化动态设计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19643458A1 (de) * 1996-10-10 1998-04-16 Wolfram Dipl Ing Ebert Einrichtung zur Parameteridentifikation einer Übertragungsstrecke
CN103092075A (zh) * 2012-12-31 2013-05-08 上海师范大学 一种含有间隙特性的机械传动系统模型参数确定方法
CN103246890A (zh) * 2013-05-15 2013-08-14 中国石油大学(华东) 基于多输入多输出信号降噪的模态参数识别方法
CN106773678A (zh) * 2016-11-30 2017-05-31 西安交通大学 用于多非线性参数耦合系统的参数辨识方法及其辨识设备
CN107609221A (zh) * 2017-08-15 2018-01-19 东南大学 一种基于遗传算法的含铰结构非线性参数识别方法
CN110126625A (zh) * 2019-05-16 2019-08-16 大连交通大学 一种新型高速受电弓及其轻量化动态设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MAXIMILIAN MÜHLEGG ETAL.: "Adaptive-Optimal Control of Constrained Nonlinear Uncertain Dynamical Systems using Concurrent Learning Model Predictive Control", 《HTTPS://WWW.RESEARCHGATE.NET/PUBLICATION/268469466》 *
曹芝腑，费庆国等: "含铰柔性结构的非线性模态分析", 《振动工程学报》 *
韩军等: "基于测试频响函数的结构连接参数识别方法", 《振动学工程学报》 *

Also Published As

Publication number Publication date
CN111144205B (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
Moura et al. Adaptive partial differential equation observer for battery state-of-charge/state-of-health estimation via an electrochemical model
US20160169204A1 (en) Static testing and calibrating method for pid link of control system of wind turbine
Widanage et al. Nonlinear system-identification of the filling phase of a wet-clutch system
CN107294527A (zh) 同步旋转坐标系锁相环及其测试方法、装置
CN102759430B (zh) 基于bp神经网络的谐振筒压力传感器高精度校试方法
CN107292040A (zh) 基于Kriging响应面的有限元模型确认方法
Zhu et al. Velocity estimation of motion systems based on low-resolution encoders
CN106597178A (zh) 一种继电保护测试装置lpa的anfis数字预畸方法
Zhao et al. A new look at the fractional initial value problem: The aberration phenomenon
CN103076194A (zh) 实时混合模拟试验效果的频域评价方法
CN111144205B (zh) 一种航天器结构中间隙非线性系统识别方法
CN114583767A (zh) 一种数据驱动的风电场调频响应特性建模方法及系统
CN111144206B (zh) 一种柔性结构中立方非线性系统识别方法
Zhou et al. Multi‐innovation stochastic gradient method for harmonic modelling of power signals
CN108152629B (zh) 一种用于火电厂绘制电压耐受力曲线的方法
CN113236506B (zh) 一种基于滤波的工业时滞系统故障检测方法
CN111027133A (zh) 一种基于径向基神经网络的结构动态分布载荷识别方法
CN103576120A (zh) 三次谐波分量准同步信息传输校验与自愈算法
Romero Ugalde et al. Robust estimation of balanced simplicity-accuracy neural networks-based models
Xiong et al. Approximation of the Frequency-Amplitude Curve Using the Homotopy Analysis Method
CN103399974A (zh) 量化比较随机振动仿真数据与实验数据的方法
CN108574649A (zh) 一种数字预失真系数的确定方法及装置
Fang et al. Performance identification and compensation of simulator motion cueing delays
CN105373094A (zh) 基于数据快采样的工业过程动态模型辨识装置
Dambrosio et al. Performance of gas turbine power plants controlled by one step ahead adaptive technique

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