导读:本文包含了推力估计论文开题报告文献综述及选题提纲参考文献，主要关键词:小推力,燃料最优,快速估计,机器学习
推力估计论文文献综述
李海洋,宝音贺西[1]（2019）在《小推力转移燃料消耗估计的机器学习方法》一文中研究指出深空探测任务设计初段往往需要求解复杂的全局优化问题。小推力轨迹的设计与优化问题精确求解较为复杂,求解速度较慢。由于计算能力与时间要求,不可能在全局优化的过程中对每一个方案都进行精确的小推力数值求解,所以在全局优化阶段需要对小推力转移进行快速准确地估计。采用机器学习的方法,对燃料最优小推力转移的燃料消耗进行了估计,其结果明显优于目前最为常用的Lambert估计方法。根据轨道描述方法的不同以及是否带有Lambert估计特征,采用不同的特征组合进行机器学习,分析结果发现带有Lambert估计特征的春分点轨道根数的特征组合为较好的机器学习特征组合。可为未来深空探测任务轨道设计提供参考。(本文来源于《深空探测学报》期刊2019年02期）
李智强[2]（2019）在《基于神经网络的航空发动机推力估计方法研究》一文中研究指出航空发动机为飞机提供推力,它是飞机最重要的组件之一。诸如推力、喘振边界等性能参数对于安全而有效地调整航空发动机的运行提供了至关重要的信息,因此,推力调节通常是发动机控制的首要目标之一。推力在飞行状态下是不可测量的,因此传统的推力控制方式通常采取控制与发动机高度相关的参数,如转速和压比等,间接地控制发动机的推力。但这种间接控制推力的方式为了保护发动机,通常预留了足够多的安全边界,因此不能充分发挥发动机的潜能。倘若能估计出航空发动机的推力,那么通过直接控制推力,就可以充分地发挥发动机的潜在性能。基于上述考虑和现有理论研究,本文将仿生智能计算与人工神经网络结合,提出了多个新的算法,并将提出的算法用于设计航空发动机推力估计器,取得了不错的效果。本文的主要研究内容如下:首先,为了获得基于人工神经网络的性能更高的推力估计器,本文改进了粒子群优化(Particle Swarm Optimization,简称PSO)算法以动态地调整网络规模,并在调整网络规模的同时不断地优化网络参数。在该算法中,作者通过随机生成神经网络的宽度,并通过广义逆动态地计算和调整网络的连接权重,不仅降低了待优化参数的维度,而且通过广义逆来调整神经网络的估计精度,从而摆脱了对粒子群优化性能的依赖,该算法在本文中被命名为MGPSO-SORBF。然后,在分析了MGPSO-SORBF算法在达到预定义的迭代次数后神经网络的规模难以跳出局部最优规模等问题之后,提出了一种结合Softmax函数动态地选择神经网络规模的新算法。在新算法中,每达到一个预定义的迭代周期,某个或某几个性能相对较差的网络规模将从候选的网络规模中被移除出去。那些与被移除掉的网络规模相关的粒子将被分配到其他网络规模所在的小群体中。此外,新算法提出了一种针对PSO算法的高维优化的方法,这个方法使得在整个迭代过程中,基于人工神经网络的估计器的估计精度都能得到有效提升。在本文中,这种算法被命名为HDPSO-STRBF。最后,考虑到航空发动机在飞行过程中实时估计推力的需要,本文提出了基于长短时记忆网络(Long Short-term Memory,简称LSTM)的算法,用以估计航空发动机过渡态下的推力。为提高估计精度,该算法以长短时记忆网络作为基估计器,与梯度提升(Gradient Boosting,简称GB)算法结合,因此新算法被命名为LSTM-GB算法。实验仿真的结果表明,LSTM-GB算法可以取得令人满意的结果。(本文来源于《南京航空航天大学》期刊2019-03-01）
赵姝帆,李本威,宋汉强,逄珊,朱飞翔[3]（2019）在《基于K-均值聚类与粒子群核极限学习机的推力估计器设计》一文中研究指出鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。(本文来源于《推进技术》期刊2019年02期）
杨博,赵旭,苗峻,刘旭辉,龙军[4]（2018）在《固体微推力器阵列的推力估计与分配补偿方法》一文中研究指出针对固体微推力器阵列(SPMA)中微推力器一次性点火,推力测试中难以获得精确推力的特点,为实现推力在线估计和实时补偿,提出一种利用二次规划对微推力器阵列推力进行估计,同时结合混合整数规划算法进行推力分配的方法,对估计算法收敛性以及控制系统稳定性进行了分析。该方法在不修改控制律的前提下,对推力器推力进行在线估计,并采用推力分配的方法实时补偿推力器出现的推力偏差,对系统稳定性的分析证明该方法可以保证系统的有界稳定。将其应用到微纳卫星编队保持中,仿真结果表明,在微推力器阵列出现推力偏差的情况下,该方法能很好地补偿推力偏差对控制系统造成的影响。(本文来源于《宇航学报》期刊2018年04期）
杨盛毅,唐胜景,刘超,李彦辉[5]（2016）在《基于动力系统模型的四旋翼推力估计方法》一文中研究指出为解决四旋翼飞行器的精确控制需要使用动力系统推力,而该飞行器推力不可直接测量的问题,提出了一种悬停状态下的四旋翼推力估计方法.对四旋翼动力系统建模,并建立了悬停状态下用于推力估计的线性系统,以动力系统输入控制值和四旋翼姿态及高度输出测量值作为新系统输入,使用状态观测器对四旋翼推力进行估计.结果表明,基于动力系统模型的四旋翼推力估计方法可有效估计悬停状态下四旋翼动力系统所产生的推力.(本文来源于《北京理工大学学报》期刊2016年06期）
李鉴,韩潮[6]（2014）在《小推力最优轨道转移问题的UKF估计算法》一文中研究指出为了快速精确地求解小推力最优轨道转移问题,提出了一种基于无损卡尔曼滤波(UKF)参数估计算法的轨道机动优化方法。针对小推力情况下的燃料最优轨道转移问题,应用极大值原理将其转化为对应的最优控制两点边值问题,然后以协态变量初值为待估计参数,以端点条件为期望观测值,将该两点边值问题转化为参数估计问题,并应用UKF滤波算法求解。该算法收敛原理是基于概率估计理论的,避免了传统间接法所需的相关梯度矩阵的推导,同时又克服了协态变量初值猜测的困难。由于问题构造形式相似,该算法同样适用于求解时间最短轨道转移问题。数值仿真表明,该算法结构简洁,求解效率较高,所得结果精确且具有良好的鲁棒性。(本文来源于《宇航学报》期刊2014年02期）
魏玉石[7]（2013）在《船舶动力定位系统推力估计与推力分配研究》一文中研究指出随着我国深海探索和开发事业的不断深入,海洋船舶对动力定位(Dynamic Positioning,DP)系统的依赖性越来越高,对其控制精度、可靠性和适应性也提出了更高的要求,需要在设计要求的各种海况下都能达到较高的控制精度。但是,推进器的空泡现象、露出水面状况,桨间干扰,低效率区等都会产生严重的推力损失,影响控制精度,大大减少推进器的使用寿命,因此对推进器的实际推力进行估计,研究考虑推力损失的推力分配方法是至关重要的。本文围绕此前沿性课题,结合相关工程应用,对船舶动力定位作业过程中推进器的推力估计方法和推力分配算法展开了深入研究,研究内容主要包括:为了真实反映运动控制过程中船舶和推进器对环境干扰及控制输入的响应特性,建立叁自由度船舶运动学和动力学模型、环境负载模型、螺旋桨轴动力学模型、电机动力学模型、轴摩擦转矩模型以及四象限螺旋桨水动力特性。给出可用于仿真验证的试验船和推进器的模型。为了实现推进器的四象限推力估计,提出基于螺旋桨四象限敞水特性的推力估计方法。首次采用准静态方法处理摩擦转矩中的非线性项,研究转矩估计器和转矩系数估计器,并分别进行了稳定性分析;推力估计方法是通过推力系数和转矩系数间的映射关系,以及转矩和转矩系数估计结果实现的。并给出只有转矩估计,或只有转矩系数估计时的推力估计算法。仿真结果表明所研究的推力估计算法可快速、准确、有效地实现对螺旋桨实际转矩和推力的估计。为了解决复杂环境下的多推进器推力分配问题,从海洋环境、操作工况和推进器约束这叁个方面详细分析了推力分配的影响因素,并以此为导向,引入分层思想,将不同海况和工况下采用的推力分配算法,以及算法间的切换监督控制等进行层次化抽象,建立包括应用层、协调层、算法库层和物理层4个层次的推力分配分层体系结构。为了提高不同海况下的推力分配性能,提出了多种推力分配算法。针对中等海况下的推力分配问题,采用一种更为精确的近似方法修正了功率惩罚项,建立综合考虑分配误差、功率消耗和推力均衡性的优化目标函数,研究了二次规划推力分配算法。针对平静海况和高海况下的推力分配问题,对提出的二次规划算法进行改进,分别引入推进器偏置和推力损失惩罚因子,提出了分组偏置推力分配算法和恶劣海况推力分配算法。仿真结果表明提出的推力分配算法都能有效解决应对的问题,具有较高的可靠性和有效性。为了实现所研究的推力分配算法间的切换,增强推力分配算法的适应性和鲁棒性,将带有停留时间和迟滞切换的多模切换控制引入到推力分配层面,提出一种推力分配切换监督控制策略,以及不同海况、不同工况下推力分配的切换方法,和非凸推力分配的切换处理方法。仿真结果表明研究的推力分配切换监督策略,可根据切换逻辑,在不改变控制器的情况下,通过推力分配算法自适应切换,提高动力定位船的控制性能,具有较高的可靠性和有效性。(本文来源于《哈尔滨工程大学》期刊2013-09-01）
刘毅男,张胜修,张超[8]（2013）在《基于核方法的航空发动机推力估计器设计》一文中研究指出鉴于实现航空发动机的直接推力控制需要高精度及高可靠性的推力估计器,基于核方法,提出了结合全局核k-means聚类与鲁棒最小二乘支持向量回归机的推力估计器设计方案,通过核诱导的隐性映射将原始输入数据映射到特征空间,使数据样本特征信息被提取并放大,具有更好的可分性。在每个聚类内设计推力子估计器,用鲁棒代价函数代替最小二乘代价函数,增强了推力估计器的整体鲁棒性。通过对涡扇发动机的仿真试验表明,本推力估计器设计方法能够满足直接推力控制需要,与其它方法相比,在估计精度及鲁棒性上存在一定优势。(本文来源于《推进技术》期刊2013年06期）
黄宇飞[9]（2013）在《基于实测数据的电推进器推力估计及绕飞轨道保持》一文中研究指出本文以航天科技集团某院的在轨实验研究为基础，以空间站巡视卫星的绕飞轨道为应用背景进行理论研究并对其绕飞轨道构形进行设计规划。本文主要研究内容如下：首先通过数据分析和筛选，并利用电学公式对某空间任务中所使用的两种电推进器的推力进行计算，并与技术指标值进行对比和分析；由于电学的方法中某些参数是由地面实验的数据所得，而地面实验条件与空间实验条件不同，故算出的推力值不够精确，本文将利用在轨GPS测量的轨道数据，通过空间坐标转换关系以及轨道动力学方程，并考虑J2摄动项的影响，对推力值进行反算，从而达到获得更加准确的推力值的目的，计算结果也将为后文空间站巡视卫星的绕飞任务提供电推进器的推力参考数据。考虑地球非球形影响，建立了巡视卫星相对与空间站的摄动相对动力学方程，基于线性化后的相对动力学方程，设计了巡视卫星的绕飞轨道，在二体问题下建立相对运动动力学方程的方法主要是基于C-W方程的方法，本文首先在自然绕飞条件下，即外部环境的干扰力合力与推进器推力完全抵消时，通过C-W方程给出其解析解并通过推算得出绕飞轨道的构形以及J2摄动因素下的相对动力学方程以及J2摄动项对巡视卫星绕飞轨道的影响，这些也为后文的绕飞轨道保持控制律设计和仿真提供了基础。在实际应用中必须要在J2摄动项的影响下尽量保持原有绕飞轨道构形，本文在考虑J2摄动项的情况下，推导出六个轨道根数的变化率，在设计绕飞轨道时先给出线性化处理的解析解，再通过实际情况下相对动力学方程和基于Hill方程的相对动力学的对比并做差，给出了基于连续小推力设计PD反馈控制率的控制方法。并得出结论即前文提供的参考电推进器是否可满足任务需求。(本文来源于《哈尔滨工业大学》期刊2013-06-01）
苏伟生,赵永平,孙健国[10]（2012）在《一种新的加权最小二乘支持向量回归机及其对性能退化航空发动机推力估计的应用(英文)》一文中研究指出要实现航空发动机的性能退化缓解控制,需要设计一个高精度并具有良好实时性的推力估计器。针对这种需要,本文提出了一种新的加权最小二乘支持向量回归机,并在此基础上设计了性能退化推力估计器。和现有的加权策略相比较,基于此新的加权策略的推力估计器不仅能满足性能退化缓解控制对精度的要求也能满足实时性的要求。最后,仿真实验证明此加权最小二乘支持向量回归机以及基于此回归机设计的推力估计器的有效性和可行性。(本文来源于《Transactions of Nanjing University of Aeronautics & Astronautics》期刊2012年01期）
推力估计论文开题报告
（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：
航空发动机为飞机提供推力,它是飞机最重要的组件之一。诸如推力、喘振边界等性能参数对于安全而有效地调整航空发动机的运行提供了至关重要的信息,因此,推力调节通常是发动机控制的首要目标之一。推力在飞行状态下是不可测量的,因此传统的推力控制方式通常采取控制与发动机高度相关的参数,如转速和压比等,间接地控制发动机的推力。但这种间接控制推力的方式为了保护发动机,通常预留了足够多的安全边界,因此不能充分发挥发动机的潜能。倘若能估计出航空发动机的推力,那么通过直接控制推力,就可以充分地发挥发动机的潜在性能。基于上述考虑和现有理论研究,本文将仿生智能计算与人工神经网络结合,提出了多个新的算法,并将提出的算法用于设计航空发动机推力估计器,取得了不错的效果。本文的主要研究内容如下:首先,为了获得基于人工神经网络的性能更高的推力估计器,本文改进了粒子群优化(Particle Swarm Optimization,简称PSO)算法以动态地调整网络规模,并在调整网络规模的同时不断地优化网络参数。在该算法中,作者通过随机生成神经网络的宽度,并通过广义逆动态地计算和调整网络的连接权重,不仅降低了待优化参数的维度,而且通过广义逆来调整神经网络的估计精度,从而摆脱了对粒子群优化性能的依赖,该算法在本文中被命名为MGPSO-SORBF。然后,在分析了MGPSO-SORBF算法在达到预定义的迭代次数后神经网络的规模难以跳出局部最优规模等问题之后,提出了一种结合Softmax函数动态地选择神经网络规模的新算法。在新算法中,每达到一个预定义的迭代周期,某个或某几个性能相对较差的网络规模将从候选的网络规模中被移除出去。那些与被移除掉的网络规模相关的粒子将被分配到其他网络规模所在的小群体中。此外,新算法提出了一种针对PSO算法的高维优化的方法,这个方法使得在整个迭代过程中,基于人工神经网络的估计器的估计精度都能得到有效提升。在本文中,这种算法被命名为HDPSO-STRBF。最后,考虑到航空发动机在飞行过程中实时估计推力的需要,本文提出了基于长短时记忆网络(Long Short-term Memory,简称LSTM)的算法,用以估计航空发动机过渡态下的推力。为提高估计精度,该算法以长短时记忆网络作为基估计器,与梯度提升(Gradient Boosting,简称GB)算法结合,因此新算法被命名为LSTM-GB算法。实验仿真的结果表明,LSTM-GB算法可以取得令人满意的结果。
（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。
推力估计论文参考文献
[1].李海洋,宝音贺西.小推力转移燃料消耗估计的机器学习方法[J].深空探测学报.2019
[2].李智强.基于神经网络的航空发动机推力估计方法研究[D].南京航空航天大学.2019
[3].赵姝帆,李本威,宋汉强,逄珊,朱飞翔.基于K-均值聚类与粒子群核极限学习机的推力估计器设计[J].推进技术.2019
[4].杨博,赵旭,苗峻,刘旭辉,龙军.固体微推力器阵列的推力估计与分配补偿方法[J].宇航学报.2018
[5].杨盛毅,唐胜景,刘超,李彦辉.基于动力系统模型的四旋翼推力估计方法[J].北京理工大学学报.2016
[6].李鉴,韩潮.小推力最优轨道转移问题的UKF估计算法[J].宇航学报.2014
[7].魏玉石.船舶动力定位系统推力估计与推力分配研究[D].哈尔滨工程大学.2013
[8].刘毅男,张胜修,张超.基于核方法的航空发动机推力估计器设计[J].推进技术.2013
[9].黄宇飞.基于实测数据的电推进器推力估计及绕飞轨道保持[D].哈尔滨工业大学.2013
[10].苏伟生,赵永平,孙健国.一种新的加权最小二乘支持向量回归机及其对性能退化航空发动机推力估计的应用(英文)[J].TransactionsofNanjingUniversityofAeronautics&Astronautics.2012