几何不确定性区间分析及鲁棒气动优化设计

不确定性因素会导致飞行器偏离预先设计的气动性能,造成气动性能下降甚至产生严重的后果。针对工程中无法给出准确的几何不确定性概率分布以及跨声速条件下非线性气动问题,对几何不确定性的非概率参数化建模进行了研究,并结合Kriging模型及最优化方法建立了快速非线性区间分析方法。采用该方法对对称翼型进行不确定性分析,获得了气动性能参数的定量变化区间。在区间不确定性分析基础上建立了鲁棒优化设计流程。基于区间序关系及区间可能度转换模型将单目标区间不确定性优化问题转化为多目标确定性优化问题,并采用基于Pareto熵的自适应多目标粒子群算法对优化问题进行寻优。考虑几何不确定性以及升力、力矩、面积约束,以阻力性能为目标对超临界翼型进行了鲁棒优化设计。与确定性优化设计结果对比表明,确定性优化设计在不确定性因素的影响下易失效,而鲁棒设计可得到更安全可靠的结果。      

捆绑火箭气动载荷分布不确定性分析

针对带捆绑火箭气动载荷分布受飞行状态及本身外形参数变化影响存在波动的现象,提出了依据多项式混沌理论对捆绑火箭气动载荷分布特征进行全局灵敏度分析及不确定性量化的方法,并以两助推构型火箭为例对所提方法进行验证。首先,提出了捆绑火箭气动载荷分布不确定性分析的方法,并给出仿真分析流程。其次,以两助推构型火箭为例对所提方法进行验证,建立火箭气动外形参数化模型,验证气动特性分析结果。最后,对该模型开展影响因素灵敏度分析及载荷分布不确定性分析,得到了不同因素的影响程度,以及气动轴力和法向力的不确定性分布形式,分析了流场流动情况及气动载荷波动的主要原因。分析结果为捆绑火箭气动载荷波动控制提供了一定参考,通过定量描述气动载荷分布不确定性,可以有效降低安全系数冗余,为开展精确结构设计提供依据。      

推进剂储罐裂纹缺陷非概率可靠性分析方法

在推进剂储罐服役期内，准确地对裂纹缺陷进行分析，掌握储罐存在裂纹缺陷情况下的可靠状态，既可保证发射场的安全，亦可有效避免不必要的恐慌，为应急预案的制定提供参考。基于区间理论与失效评定图理论，提出一种非概率失效评定图（NFAD）可靠性分析方法。有效解决了工程实际中难以准确获得失效评定点与失效评定曲线情况下，推进剂储罐裂纹缺陷的可靠性分析问题。结合实例参数对所提方法进行验证，结果表明：无需精确失效评定图与失效评定曲线，所提方法可对储罐裂纹缺陷的任意状态进行分析，并可以充分考虑分析中的不确定性，将传统失效评定图方法失效或可靠的二元逻辑状态细化为3种情况，可靠性指标为0表示失效状态，可靠性指标大于0小于1表示可靠度，可靠性指标大于等于1表示安全裕度。     

PMSM电流预测控制参数误差量化分析方法

交流永磁同步电机（PMSM）电流环控制性能是制约交流伺服系统性能的关键。电流预测控制拥有更快的动态响应、更低的电流谐波和优良的转矩响应,但该算法依赖精确的电机模型,参数失配会引发稳态电流误差,无法输出额定转矩,进而导致电机转矩输出效率降低。根据永磁同步电机电流预测模型,详细分析了d、q轴电流静差产生的原因,以及电流预测控制对电机参数误差的敏感性,提出了一种参数误差量化分析方法。该方法引入了电机参数偏差因子,量化描述了电机电感、磁链参数误差与电流静差之间的制约关系。通过仿真分析,验证了所提方法的合理性,为高性能永磁伺服电流预测数字控制技术打下了良好基础。     

火箭整流罩锥壳夹层结构不确定性轻量化设计

为分析运载火箭整流罩锥壳夹层结构不确定性对结构热稳定性的影响并指导结构的轻量化设计,建立整流罩前锥段夹层圆锥壳模型,并建立温度场模型,据此对圆锥壳开展热稳定性分析,推导力热联合载荷作用下整流罩前锥段夹层结构失稳临界轴压。在此基础上,针对主要不确定性因素,开展灵敏度分析并建立区间不确定性优化模型,采用区间可能度方法将其转化为确定性问题,并采用遗传算法-区间分析算法（GA-CIAM）实现结构优化设计。计算结果表明:考虑气动力/热载荷及材料参数不确定性影响,对整流罩前锥段结构开展优化设计,在满足设计要求的前提下,有效实现结构轻量化。      

民航安全指数结果分析与预测

为了预测民航运行的安全水平,针对评价结果数据序列样本少、不确定性大的特点,选择灰色区间预测方法,建立了民航安全评价的区间预测模型.给出了民航安全指数计算结果,分析了民航运行的安全水平现状,展示了这一安全评价体系的功能和使用方式.通过实例验证了民航安全评价的灰色区间预测模型的正确性,给出了下一年度民航综合安全指数的预测区间.结果表明:灰色区间预测方法是可行的.      

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。      

数据丢包和量化约束下的分布式滚动时域估计

针对网络约束问题，对带丢包和量化的网络化系统分布式状态估计进行了研究。用一组满足Bernouli分布的随机变量来描述丢包现象，采用预测补偿机制进行丢包补偿。将数据量化引入的误差描述为观测方程中的参数不确定性，通过求解固定时域内的min-max问题，得到局部估计器。对局部估计器的稳定性进行研究，给出了误差范数平方的期望收敛的充分条件。推导了局部估计器误差协方差上界的递推公式，在此基础上，应用协方差交叉（CI）融合算法得到了分布式融合估计器。仿真结果表明，所提算法能够有效减小数据丢包和量化对状态估计的影响。      

空间可展开结构区间模型修正方法

传统的模型修正未考虑工程中存在的几何尺寸、材料参数、间隙等不确定性,修正后有限元模型预测精度较低。为提高有限元模型的预测精度,准确预测结构的静动力学特性,对考虑参数不确定性的模型修正进行了研究,提出了一种基于Kriging模型和泛灰数的区间模型修正方法。首先,通过灵敏度分析确定待修正参数,并以修正参数为变量,构造基于Kriging模型的区间响应目标函数;其次,引入泛灰数将区间优化问题转换为区间上限和区间直径两个全局优化问题;然后,利用Kriging模型结合遗传算法给出修正后的参数区间形式;最后,通过该方法对含铰链间隙的某空间可展开结构进行了模型修正。结果表明,修正后参数区间与真实区间重合度较高,修正后结构响应预测区间与实际区间吻合,验证了方法的有效性,为大型空间可展开结构的模型修正提供了一个有效可行的途径。     

Orbital error propagation considering atmospheric density uncertainty

Due to the influence of various errors, the orbital uncertainty propagation of artificial celestial objects while orbit prediction is required, especially in some applications such as conjunction analysis. In the orbital error propagation of artificial celestial objects in low Earth orbits (LEOs), atmospheric density uncertainty is one of the important factors that require special attention. In this paper, on the basis of considering the uncertainties of position and velocity, the atmospheric density uncertainty is also taken into account to further investigate the orbital error propagation of artificial celestial objects in LEOs. Artificial intelligence algorithms are introduced, the MC Dropout neural network and the heteroscedastic loss function are used to realize the correction of the empirical atmospheric density model, as well as to provide the quantification of model uncertainty and input uncertainty for the corrected atmospheric densities. It is shown that the neural network we built achieves good results in atmospheric density correction, and the uncertainty quantization obtained from the neural network is also reasonable. Moreover, using the Gaussian mixture model - unscented transform (GMM-UT) method, the atmospheric density uncertainty is taken into account in the orbital uncertainty propagation, by adding a sampled random term to the corrected atmospheric density when calculating atmospheric density. The feasibility of the GMM-UT method considering atmospheric density uncertainty is proved by the further comparison of abundant sampling points and GMM-UT results (with and without considering atmospheric density uncertainty).     

Advanced ensemble modeling method for space object state prediction accounting for uncertainty in atmospheric density

For objects in the low Earth orbit region, uncertainty in atmospheric density estimation is an important source of orbit prediction error, which is critical for space traffic management activities such as the satellite conjunction analysis. This paper investigates the evolution of orbit error distribution in the presence of atmospheric density uncertainties, which are modeled using probabilistic machine learning techniques. The recently proposed “HASDM-ML,” “CHAMP-ML,” and “MSIS-UQ” machine learning models for density estimation (Licata and Mehta, 2022b; Licata et al., 2022b) are used in this work. The investigation is convoluted because of the spatial and temporal correlation of the atmospheric density values. We develop several Monte Carlo methods, each capturing a different spatiotemporal density correlation, to study the effects of density uncertainty on orbit uncertainty propagation. However, Monte Carlo analysis is computationally expensive, so a faster method based on the Kalman filtering technique for orbit uncertainty propagation is also explored. It is difficult to translate the uncertainty in atmospheric density to the uncertainty in orbital states under a standard extended Kalman filter or unscented Kalman filter framework. This work uses the so-called “consider covariance sigma point (CCSP)” filter that can account for the density uncertainties during orbit propagation. As a test-bed for validation purposes, a comparison between CCSP and Monte Carlo methods of orbit uncertainty propagation is carried out. Finally, using the HASDM-ML, CHAMP-ML, and MSIS-UQ density models, we propose an ensemble approach for orbit uncertainty quantification for four different space weather conditions.     

结构振动主动控制系统的非概率可靠性分析

为了解决结构主动振动控制系统的可靠性问题,考虑结构参数的不确定性,研究了结构振动主动控制系统可靠性分析的非概率方法.对不确定变量用区间数或区间向量进行描述,基于区间数学,提出了含区间不确定参数的闭环控制系统响应的计算方法,在此基础之上结合非概率可靠性分析方法,建立了适用于振动控制系统的非概率可靠性分析方法.该方法无需不确定量的概率信息,只需明确参数所在区间范围即可,对开环系统和闭环控制系统的可靠性分析与基于可靠性的控制器设计具有一定的理论意义.通过数值算例,将非概率可靠性分析方法与蒙特卡洛方法进行了比较,结果表明了本文所提方法的有效性和对复杂结构振动主动控制系统的适用性.      

复合材料点阵夹芯梁振动特性区间分析与优化

考虑到复合材料的分散性,研究了复合材料点阵夹芯梁的自由振动特性.将不确定参数用区间向量进行定量化,提出高精度的含不确定参数复合材料点阵夹芯梁固有频率的配点型区间分析方法,该方法无需不确定参数的概率信息,只需明确不确定参数所在范围界限,进而实现复合材料点阵夹芯梁结构的不确定优化.该方法为解决非线性现象突出的新型复合材料设计等复杂问题提供了一个可行途径.与概率方法相比,区间分析方法的结果表明该方法是可行的.与确定性优化方法相比,区间优化方法在复合材料结构优化领域能够充分考虑结构潜在不确定性带来的不利影响,工程指导意义更为明显.     

一种基于SVM的低空飞行冲突探测算法

随着低空飞行密度不断增加,低空航行安全已引起广泛关注,由于低空环境复杂,低空飞行受地面障碍物和天气影响比商用航空显著,传统的空中交通警戒与防撞系统（TCAS）和其他冲突探测方法并不适用于低空密集飞行环境。针对传统探测方法计算量大、适用性差的不足,引入支持向量机（SVM）的二元分类方法,通过对本机和周边飞机航迹归一化处理,采用智能优化算法对关键参数进行优化,利用模拟数据对分类器进行预先训练,实现了适用于低空飞行的高效冲突探测。以大量的仿造数据对算法有效性进行了测试验证,结果表明漏警率和误警率分别控制在约0.1%和6%,克服了传统确定型方法与概率型方法难以兼顾效率与适用性的缺陷。