飞机结构状态的高效识别方法

西北工业大学航空学院贺顺教授研究团队提出了一种快速且准确地识别复杂结构（比如飞机机翼或者整个飞机）的振动特性的新方法，方法结合了动态模态分解（DMD）和基于密度的聚类算法（DBSCAN）两种技术，并开发了一种新的工具——秩稳定性图，来帮助识别真实的振动模式，去除虚假的干扰信息。DMD-DBSCAN方法具有较高的计算效率和广阔的应用前景，适用于处理大规模数据集的复杂结构模态辨识。相关研究论文《Efficient modal parameter identification using DMD-DBSCAN and rank stabilization diagrams》发表于航空航天领域中科院一区期刊。

NOKOV度量动作捕捉系统为研究提供【高精度的实时位移响应信号】，解决了传统位移传感器的空间布置问题，助力验证论文方法在实际复杂结构中模态辨识的适用性。NOKOV度量动作捕捉系统使用场景见下图。

图2.jpg

摄像机配置1下的静态位移测量结果

图2.jpg

摄像机配置1下的静态位移测量结果

图3.jpg

NOKOV 运动捕捉系统中动态响应测试装置、几何模型及摄像机位置

引用格式

Chengyuan Wu, Zhichun Yang, Shun He, Efficient modal parameter identification using DMD-DBSCAN and rank stabilization diagrams, Aerospace Science and Technology, Volume 161, 2025, 110112, ISSN 1270-9638, https://doi.org/10.1016/j.ast.2025.110112.

作者简介

吴承远（第一作者），西北工业大学博士在读。主要研究方向：气动弹性力学，结构动力学

杨智春：西北工业大学教授，博士生导师，航空学院结构动力学与控制研究所所长。主要研究方向：飞行器气动弹性力学，飞行器结构动力学

贺顺（通讯作者），西北工业大学教授，博士生导师，国家级青年人才。主要研究方向：气动弹性力学、飞行器结构设计与分析、跨声速非线性颤振、高超声速流固热耦合、变体飞行器

仿生机器人的运动规划

利用NOKOV光学定位跟踪系统，获取精度达1mm的人体下肢运动数据，并建立了准确的关节模型，实现仿生机器人运动规划。

软体机械臂运动

NOKOV度量动作捕捉系统实时提供软体机械臂各节点高精度位姿数据，助力运动学和动力学建模，最终实现软体机械臂的控制。

中科院自动化所多智能体协同控制平台编队与自主避障

中科院自动化所无人集群系统分为三个子系统，定位子系统、通信子系统与控制子系统，可实现单体无人车和无人机控制、地空协同、集群对战以及无人车、无人机编队表演等功能

通过仿生指尖接触事件实现三指机械手的连续自适应步态控制

研究人员在《Biomimetic Intelligence and Robotics》发表了题为《Continuous adaptive gaits manipulation for three-fingered robotic hands via bioinspired fingertip contact events》的文章，探讨了通过仿生方法提升三指机械手灵活性与自适应性的技术。