低马赫数下多凹腔燃烧室非稳态燃烧过程

作为稳定火焰的有效手段之一,凹腔构型在冲压发动机燃烧室研究中占有重要地位。在对以煤油为燃料的多凹腔燃烧室冷/热态流动特性分析的基础上,重点研究低进口马赫数条件下燃烧室点火起动初期非稳态过程。结果表明：上游凹腔内大涡结构有助于提高燃料的驻留时间,未燃混气被高速主流带入下游凹腔内继续反应,进一步提高燃烧效率;燃油喷射速度决定被卷吸进回流区的燃油质量分数的大小,进而影响燃烧效率高低;燃烧室点火起动初期出现了主流熄火、火焰逆流传播以及主流再着火等复杂现象,火焰逆流传播现象是在上游凹腔内燃料自燃与下游燃烧释热压缩来流两种机制共同作用下完成的。     

轻质复合材料发射箱盖结构设计与参数优化

 针对国内现阶段复合材料发射箱盖研制领域中所存在的一些缺陷,通过设计一种方形轻质复合材料发射箱盖结构提出解决方案。首先提出了结构中薄弱区与抛出部分的初步设计方案;然后对导弹发射时燃气流冲击箱盖过程进行了瞬态数值模拟,并根据数值模拟结果对箱盖结构参数进行了优化;最后针对优化结构冲破过程进行了数值模拟,结果表明,按优化后方案设计的箱盖结构既能实现结构的轻质化,又能在开盖过程中保证较好的冲破性能。     

表面热流可辨识性初步分析

表面热流的可辨识性分析可用于飞行器防热层内温度测量精度和测温点位置的确定,在工程上有较强的实用意义。从无量纲分析和仿真辨识出发,根据防热层材料热物性系数、测点位置、表面热流的频域特性等参数对表面热流辨识结果的影响规律,总结出了表面热流辨识问题的相似参数：基于表面热流频率参数的傅立叶数。此后,以这一傅立叶数为判据,针对不同测量误差值的情况初步建立起了表面热流可辨识性的准则和分析方法。     

一种进气道自起动特性检测方法

发展了一种应用于激波风洞中快速检测高超声速进气道自起动能力的实验方法。该方法通过在隔离段内预先设置轻质堵块,迫使进气道在风洞运行初期不起动,待堵块被吹出后,流道恢复畅通,进而考察进气道是否具有起动能力。实验采用高速纹影拍摄同步壁面压强测量的手段,对二元高超声速进气道的起动特性进行了研究。通过对纹影照片以及相应的壁面压强信号的分析,对所发展的自起动检测方法的可靠性进行了考核,并进一步研究了内收缩比对进气道起动特性的影响。在激波风洞中获得了进气道自起动过程以及起动／不起动双解区的流场特征和相应的壁面压强变化历程。     

置氢TC4钛合金粉末热等静压制件组织与性能研究

采用置氢钛合金粉末热等静压成形与钛合金热氢处理技术相结合的新工艺路线制备合金,研究了置氢量及热等静压工艺参数对置氢TC4合金粉末热等静压制件组织性能的影响规律。结果表明:随着置氢量的增加,置氢TC4合金粉末热等静压后制件的密度呈逐渐增高的趋势;热等静压制件的片层状组织尺寸变薄、针状的组织变细,等轴颗粒组织愈来愈多;退火后制件的显微组织中等轴状的颗粒增多,压缩屈服强度和抗压强度均逐渐增大;热等静压制件与粉末原料的氢含量及相组成基本相近,真空退火除氢后氢含量则达到了安全使用水平,置氢量0.42%TC4合金粉末热等静压制件致密效果好、综合力学性能高。     

自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.     

基于结构不确定性的非线性鲁棒制导律设计

根据多普勒雷达导引头和红外成像导引头多模制导导弹弹道中段制导信息精度的特点,以非线性鲁棒控制理论为依据,设计了一种制导律.仿真结果表明,该制导律对弹目相对距离测量干扰有较好的鲁棒性,对目标大机动也有鲁棒性.因此,这种制导律可以作为多普勒雷达导引头和红外成像导引头多模制导导弹弹道中段的制导律使用.     

面向“最后一公里”的无人机需求预测

针对“最后一公里”配送的无人机需求预测问题,考虑无人机性能、空域环境和运输任务等限制条件,分别以最大化快递运输量、最小化运输成本为目标函数,建立多阶段无人机需求预测模型。考虑快递业务历史数据和影响因素,建立组合预测模型预测快递业务量;利用动态分配算法预测无人机快递分担量和无人机需求量。以某区域实际快递数据和低空飞行条件进行算例分析。结果表明,本文提出的预测方法不仅可以根据配送中心业务量、工作时间和成本要求提供灵活的无人机需求方案,还能够使得无人机的工作时间利用率达到95%以上。     

基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。     

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。