导弹制导与控制一体化三通道解耦设计方法

针对导弹俯冲打击地面目标的问题,基于扩张状态观测器(ESO)和反步滑模设计思想,提出一种导弹制导与控制一体化三通道解耦设计方法。充分考虑制导与控制系统之间以及控制系统三通道间的耦合关系,建立了制导与控制一体化三通道耦合模型。通过ESO对导弹运动六自由度(6DOF)系统内各通道间的动态耦合项和不确定性进行实时观测和动态补偿,实现通道间的主动解耦,从而设计了基于ESO的导弹制导与控制一体化三通道解耦控制律。同时,为了解决在使用ESO对高阶非线性系统进行状态观测时引起的"运算膨胀"问题,通过设计自适应控制律对ESO观测误差进行补偿。基于李雅普诺夫稳定性准则证明了闭环系统所有状态最终一致有界。并与制导与控制一体化三通道独立设计方法和传统的制导与控制系统设计方法进行对比仿真,结果验证了基于ESO的导弹制导与控制一体化三通道解耦设计方法的有效性和优越性。     

嫦娥三号巡视器的惯导与视觉组合定姿定位

针对“嫦娥三号”的“玉兔号”巡视器在月面未知环境中避障与安全行进的要求,分析和阐述了“玉兔号”巡视器在地面遥操作中心的控制下利用惯导和视觉组合进行月面导航与精确定位的实现方法,并结合现有的导航定位研究对“玉兔号”巡视器导航与定位的工程创新性进行了总结,阐明了惯导定位和视觉定位技术在“玉兔号”巡视器月面探测过程中的工程应用特点.最后,通过“玉兔号”巡视器着月点的精确定位实验,验证惯导和视觉相结合的定位方法的有效性,定位精度近似达到总行驶里程的1％,这对“玉兔号”巡视器开展月面探索和准确抵达科学目标位置具有重要作用.     

丁腈橡胶磨损失效机制及其表面碳薄膜改性技术

针对航天伺服机构密封件因磨损失效导致的泄漏难题,分析了大气及氮气环境下丁腈橡胶磨损失效机制。在此基础上,提出了其表面硬质类金刚石碳薄膜（DLC）改性技术,分析了改性后丁腈橡胶密封实件综合性能。结果表明：大气环境、恒定载荷（小载低速）条件下,丁腈橡胶主要以分层剥落方式磨损（疲劳磨损）。随着摩擦速度（或载荷）增大,其磨损失效主要表现为粘着磨损。对于氮气环境,氮气能够有效避免摩擦界面氧化作用,即降低了粘着磨损效应;此外,改性后橡胶密封实件在机械性能、质密性和密封性等方面较原始密封件未发生明显变化。经过4000次台架磨合试验后,油端密封圈表面光洁,无异常磨损;气端密封圈表面存在轻微磨损,能够满足使用要求。     

扩链剂影响丁羟推进剂力学性能的谱系聚类研究

研究了11种扩链剂对HTPB／IPDI推进剂力学性能影响的分类规律。用谱系聚类方法分析了扩链剂对推进剂力学性能影响的相似规律,通过分类获得了不同类别扩链剂对推进剂力学性能影响的显著特点,所得结论与文献[1、23有较好的一致性,证明了结论的正确性。谱系聚类分析可为研究扩链剂的作用机理和研发新型高性能扩链剂提供一条有效途径。     

深空探测激光通信技术发展研究

对美国深空探测活动中应用的激光通信技术进行了总结,说明当前深空光端机正向着更加集成化、轻型化和多功能化的方向发展;重点对深空激光通信中的捕获跟踪瞄准、接收和调制等关键技术进行了分析;针对中国激光通信的发展和应用提出了建议,如突破激光器和高速率调制器等关键技术,深入研究新型编码算法等。     

超高燃速推进剂的燃速催化剂研制

合成了三种含铜或／和铅的有机金属化合物燃速催化剂ＰＡＣ、ＰＡＰＣ和ＰＡＰ,它们对ＡＰ微孔固体推进剂燃烧有显著催化作用,其中ＰＡＣ和ＰＡＰＣ能使该推进剂在５ＭＰａ～２５ＭＰａ压力范围内达到１ｍ／ｓ以上的超高燃速,燃烧较为平稳。通过热分析和实测燃速等探讨了催化剂对推进剂催化燃烧的主要作用阶段。     

喷管喉衬结构瞬态温度测量及导热反问题方法应用

为了获得实时可靠的固体火箭发动机喉衬结构瞬态温度,采用内埋快响应烧蚀热电偶对发动机喉衬结构瞬态温度进行测量,并应用导热反问题方法(Beck序列函数法)计算其喉部内壁面温度和热流密度。采用的试验方案有效避免了传感器探头与喉衬内壁面烧蚀速率不同而干扰流场或中途烧毁等现象发生。试验结果显示越靠近内壁面的测量点温度峰值越高,测点温度瞬态变化与发动机工作状态同步性越好。计算结果显示,计算的平均误差为5.6%,最大误差为7.9%,其内壁温度最高出现在发动机工作结束时,热流密度在0.1s内迅速上升,而后又迅速下降,最大值约为30MW/m2。在发动机停止工作2s后,喉衬开始向外界传热。     

单片机测控系统中的抗干扰措施

在单片机测控系统中,抗干扰性能是系统可靠性的重要指标,抗干扰设计是单片机测控系统研制中必须要考虑的重要内容。通过比较探讨抗电源干扰、抗信号通道干扰、印刷电路板抗干扰以及软件抗干扰等四种单片机测控系统中的四种干扰类型,结合工业现场给出了几种行之有效的抗干扰措施。     

基于DDPG算法的变体飞行器自主变形决策

针对变体飞行器的自主变形决策问题，提出了一种基于深度确定性策略梯度(DDPG)算法的智能二维变形决策方法。以可同时变展长及后掠角的飞行器为研究对象，利用DATCOM计算气动数据，并通过分析获得变形量与气动特性之间关系；基于给定的展长和后掠角变形动力学方程，设计DDPG算法学习步骤；针对对称和不对称变形条件下的变形策略进行学习训练。仿真结果表明:所提算法可以快速收敛，变形误差保持在3%以内，训练好的神经网络提高了变体飞行器对不同飞行任务的适应性，可以在不同的飞行环境中获得最佳的飞行性能。