تخمین غیر خطی خصوصیات مودهای پروازی هواپیما در مانور اسپین با استفاده از الگوریتم تجزیه مودهای تجربی (EMD) و انتقال هیلبرت | ||
| مهندسی مکانیک مدرس | ||
| Article 35, Volume 17, Issue 1, 1396, Pages 322-332 PDF (2.21 M) | ||
| Authors | ||
| میر ابوالفضل مختاری1; مهدی سبزه پرور* 2 | ||
| 1دانشگاه صنعتی امیر کبیر - دانشکده مهندسی هوافضا | ||
| 2دانشیار دانشکده مهندسی هوافضا دانشگاه صنعتی امیر کبیر | ||
| Abstract | ||
| در این تحقیق انتقال هیلبرت هوانگ بههمراه تحلیل طیفی تجربی برای تحلیل و شناسایی مودهای پروازی در مانور اسپین مورد بررسی قرار میگیرد. روشهای سنتی تحلیل دادهها، همگی مبتنی بر فرض خطی بودن و ایستا بودن فرآیند مورد بررسی هستند. اما در سامانههای واقعی همچون دادههای پروازی مربوط به مانورهای غیر خطی، دادهها عمدتا هم غیرخطی و هم غیرایستا هستند که این امر تحلیل دادههای چنین سامانهای را بهکمک روشهای یاد شده دچار دشواری مینماید. انتقال هیلبرت یک روش تحلیل دادههای شبه تجربی است که بر یک بنیان تطبیقی استوار است و میتواند بیانی دارای معنی فیزیکی را از دادههای یک فرآیند غیرخطی و غیرایستا ارائه نماید. از اینرو در این مقاله روشی برای شناسایی مودهای پروازی با استفاده از دادههای اندازه گیری شده در پرواز با استفاده از الگوریتم تحلیل طیفی تجربی و نیز انتقال هیلبرت ارائه میگردد. بمنظور اعتبار سنجی روش نتایج ابتدا با نتایج حاصل از تحلیل کلاسیک مقایسه میگردد که نشان از عملکرد صحیح الگوریتم استخراج شده دارد. در نهایت این الگوریتم برای شناسایی خصوصیات مودهای پروازی در مانور غیر خطی اسپین اعمال میشود. نتایج نشاندهنده 5 مود پروازی شناسایی شده میباشد که مود اول مربوط به اغتشاشات وارد بر هواپیما در مانور اسپین، مود دوم مربوط به پاسخ به ورودیهای کنترلی و در نهایت سه مود دیگر مربوط به مود فوگوئید و مودهای پروازی غیر استاندارد با نسبت میرایی پایین هستند که به علت کوپلینک حرکت طولی و عرضی بوجود آمدهاند و توسط روشههای کلاسیک قابل شناسایی نمیباشند. | ||
| Keywords | ||
| انتقال هیلبرت; تحلیل طیفی شبه تجربی; مودهای ذاتی; مانور اسپین; مودهای پروازی | ||
|
Statistics Article View: 344 PDF Download: 420 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,448,484 |
| PDF Download | 17,555,331 |