基于视觉SNNPD的风洞尾撑模型减振方法研究
发布时间:2024-02-17 17:20
风洞试验是飞行器研制中不可或缺的流程之一。风洞测试中尾撑结构为最常用的支撑结构。该结构对模型周围的流场影响较小,但在声速高、攻角大的情况下,易产生较大幅度的振动,危及风洞测试设备的安全,极大地影响试验模型性能的测试范围。基于压电减振器的主动振动控制方法可有效减小振动。然而,目前风洞尾撑模型的振动测量方法大多采用接触式测量,如加速度计,不可避免地会引入附加质量。在控制算法方面,工程常用的控制方法是PID控制,且控制参数固定。这种方式在面对不同攻角下振动变化剧烈的问题时,控制参数的选择难以适应变化的全过程,存在控制性能和稳定性的矛盾,控制效果和自适应调整能力较差。本文针对亚跨声速风洞试验中,尾部支撑方式的“支杆-模型”装置在大攻角试验条件下发生振动的问题开展研究。(1)分析了跨声速、亚声速风洞中各种不稳定条件来源。结合风洞试验的攻角变化过程和系统的结构特征,分析了“支杆-模型”装置发生振动的主要原因。结合压电元件的原理,阐述了风洞尾撑模型振动的闭环控制结构。对闭环中测振和算法两方面核心环节,提出了基于视觉测振和系统观测器神经网络PD抑振算法的风洞尾撑模型减振方法的总体方案。(2)分析了传统...
【文章页数】:86 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 课题研究的背景及意义
1.2 飞行器模型风洞支杆减振的研究现状
1.2.1 风洞主动减振的国外研究现状
1.2.2 风洞主动减振的国内研究现状
1.2.3 机器视觉与振动问题结合的研究现状
1.3 课题的主要研究内容
2 基于压电元件的风洞尾撑模型减振系统
2.1 尾撑模型的振动成因分析
2.2 压电元件原理及布局
2.3 风洞尾撑模型振动的闭环控制
2.3.1 主动减振系统的闭环反馈控制
2.3.2 风洞尾撑模型主动减振系统的动力学描述
2.4 风洞尾撑模型减振方法的总体方案
2.5 本章小结
3 基于视觉的风洞尾撑模型测振方法
3.1 传统测振方法性能分析
3.2 基于图像的振动位移高速提取传输方法
3.2.1 图像处理速度要求
3.2.2 应用FPGA的合作架构图像处理方法
3.2.3 基于直接内存访问的数据提取
3.3 振动位移信息的图像处理方法
3.3.1 振动目标的图像分割
3.3.2 振动目标的质心计算
3.3.3 相机标定
3.4 基于视觉的风洞尾撑模型测振实验
3.4.1 视觉测振的精度验证
3.4.2 基于视觉的悬臂结构多点模态振型测试实验
3.5 本章小结
4 基于系统观测器的神经网络PD控制方法
4.1 风洞试验减振难点分析
4.1.1 未减振的风洞试验环境特征
4.1.2 风洞尾撑模型减振算法难点
4.2 基于系统观测器的神经网络PD控制方法
4.2.1 SNNPD中的比例微分环节
4.2.2 SNNPD算法的神经网络设计
4.2.3 系统振动状态观测
4.3 SNNPD的稳定性分析
4.4 SPNNPD的数值仿真和激振实验验证
4.4.1 PD控制器与SPNNPD控制器的数值仿真
4.4.2 PD控制器与SPNNPD控制器的激振实验
4.5 本章小结
5 主动减振系统实验研究
5.1 实验系统搭建
5.2 实验软件平台
5.3 PD与 SPNNPD控制的实验结果及对比分析
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
本文编号:3901131
【文章页数】:86 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 课题研究的背景及意义
1.2 飞行器模型风洞支杆减振的研究现状
1.2.1 风洞主动减振的国外研究现状
1.2.2 风洞主动减振的国内研究现状
1.2.3 机器视觉与振动问题结合的研究现状
1.3 课题的主要研究内容
2 基于压电元件的风洞尾撑模型减振系统
2.1 尾撑模型的振动成因分析
2.2 压电元件原理及布局
2.3 风洞尾撑模型振动的闭环控制
2.3.1 主动减振系统的闭环反馈控制
2.3.2 风洞尾撑模型主动减振系统的动力学描述
2.4 风洞尾撑模型减振方法的总体方案
2.5 本章小结
3 基于视觉的风洞尾撑模型测振方法
3.1 传统测振方法性能分析
3.2 基于图像的振动位移高速提取传输方法
3.2.1 图像处理速度要求
3.2.2 应用FPGA的合作架构图像处理方法
3.2.3 基于直接内存访问的数据提取
3.3 振动位移信息的图像处理方法
3.3.1 振动目标的图像分割
3.3.2 振动目标的质心计算
3.3.3 相机标定
3.4 基于视觉的风洞尾撑模型测振实验
3.4.1 视觉测振的精度验证
3.4.2 基于视觉的悬臂结构多点模态振型测试实验
3.5 本章小结
4 基于系统观测器的神经网络PD控制方法
4.1 风洞试验减振难点分析
4.1.1 未减振的风洞试验环境特征
4.1.2 风洞尾撑模型减振算法难点
4.2 基于系统观测器的神经网络PD控制方法
4.2.1 SNNPD中的比例微分环节
4.2.2 SNNPD算法的神经网络设计
4.2.3 系统振动状态观测
4.3 SNNPD的稳定性分析
4.4 SPNNPD的数值仿真和激振实验验证
4.4.1 PD控制器与SPNNPD控制器的数值仿真
4.4.2 PD控制器与SPNNPD控制器的激振实验
4.5 本章小结
5 主动减振系统实验研究
5.1 实验系统搭建
5.2 实验软件平台
5.3 PD与 SPNNPD控制的实验结果及对比分析
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
本文编号:3901131
本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/3901131.html