针对非定常气动力作用下基于常规动态逆的过失速机动控制时的误差大和迟滞强的问题,提出了一种实用的改进动态逆控制方法,实现了非定常气动力下过失速机动的精准控制。首先,基于双轴耦合大幅振荡下的先进战斗机缩比飞机模型风洞实验数据,通过改进的极限学习机(ELM)方法建立了准确的非定常气动力模型。其次,基于时标分离的思想,通过在快回路中增加积分环节减小了非定常气动力引起的控制误差;通过在较慢回路中引入滞后校正环节,消除了非定常气动力引起的控制迟滞,并结合串接链方法实现了常规气动舵面和推力矢量喷口的偏转分配。最后,推导了过失速机动时非定常气动力建模过程中关键变量缩减频率的计算公式,并通过该缩比模型“赫伯斯特”过失速机动数字仿真,对比验证了新方法的有效性,为后续过失速机动的试飞验证提供了实用可靠的...

针对选煤厂对浮选尾矿灰分识别的工程需求，提出了一种基于增量型极限学习机（I-ELM）的尾矿灰分识别方法。首先通过实验得到浮选尾矿图像的灰度直方图与尾矿灰分之间的关系，将由尾矿图像灰度值分布和尾矿的入射光强及反射光强组成的向量作为输入，尾矿灰分作为输出，然后利用I-ELM建立预测模型，对尾矿灰分进行识别，并与用BP神经网络和固定型极限学习机（ELM）建立的模型进行了对比。结果显示，I-ELM具有较高的预测精度，同时具有较快的学习速度，是一种比较有效的浮选尾矿灰分识别方法。