题目：基于小波分析的飞行器结构参数及变化识别

飞行器结构的振动问题比较突出，准确地识别系统的主要模态参数（如模态频率、阻尼比、振型）和参数变化（如弹性模量、泊松比、密度）对飞行器结构的振动控制、健康监测等有着重要意义。小波分析具有良好的时频分辨能力和局部化特性，可以准确地反映结构的振动信息，在结构动力学分析领域得到了广泛地关注。本文基于小波分析，对飞行器结构动特性参数及参数变化识别方法进行研究，具体内容包括：通过连续小波变换建立了飞行器结构的小波域AR模型，利用伪逆法求解模型的特征矩阵，将结构模态参数的辨识转化为特征值求解问题，获得结构的模态频率、阻尼比和振型。以某直升机机身结构为例，进行了仿真算例分析，小波AR模型辨识结果与有限元理论分析结果和时域最小二乘复指数法得到的识别结果能比较好地吻合起来。论文还进一步讨论了不同噪声水平、小波变换系数等对辨识效果的影响，表明算法的抗干扰能力强、适用性好。相对于其它小波分析方法，小波包变换能将信号分解到多个等宽度频段，并且具有更好的高频分辨率，因此论文选用小波包变换进行结构参数变化（损伤）的识别——通过小波包分解提取结构响应信号的高频分量，实时监测结构的健康状况，判断损伤发生的时刻；利用小波包重构信号的能量组分向量和能量变化率指标，识别结构损伤发生的空间位置和损伤程度；结合BP神经网络算法，以小波包能量指标为网络输入，对结构的损伤程度进行精确地量化分析。此外，运用小波包参数变化识别方法，进行了直升机结构损伤识别的算例验证。为了综合利用小波分析提取的结构模态参数、小波包能量指标及其它测量数据进行飞行器结构的参数变化评估，论文分别使用了多层次数据融合和信息约简技术对多传感器信息进行数据级融合、特征融合、决策融合和粗糙集约简，降低特征属性的空间维度，获得关于结构健康状况的一致性决策。最后，将信息综合技术应用到直升机机身结构的损伤识别中，数值仿真结果具有比较高的精度。