基于预测校正方法的RLV再入制导律设计

针对高超声速可重复运载器RLV(Reusable Launch Vehicles)的再入飞行问题,利用数值预测校正方法与准平衡滑翔条QEGC(Quasi-Equilibrium Glide Condition)相结合的方法在线设计同时满足热流、法向过载和动压等轨迹约束与末端精度要求的倾侧角制导律.建立三自由度动力学方程,确定初始条件、末端精度要求和轨迹约束要求;然后详细阐述预测校正方法和准平衡滑翔条件的原理,再利用预测校正方法设计制导律,用QEGC把约束转换为对倾侧角制导律的上界,通过限制倾侧角的幅值来限制约束.最后在计算机上进行制导仿真,并考虑初始条件不确定性,进行蒙特卡洛仿真,通过分析仿真结果,证明利用预测校正方法结合准平衡滑翔条件可以快速的设计出满足末端精度要求和轨迹约束的制导律,并对初始条件不确定性有较好的鲁棒性.     

大型客车柴油燃料生命周期分析

以实施第1及第2阶段限值后的大型客车为对象,对车用燃油从原油开采、运输、炼油WTT(Well-to-Tank)到车辆使用TTW(Tank-to-Wheel)等多个环节,即燃料生命周期WTW(Well-to-Wheel)内的能量消耗和温室气体排放进行了定量分析,WTT阶段的分析使用了有关统计数据,TTW阶段的分析采用了试验数据.结果表明:WTW阶段的能量消耗和温室气体分别是TTW阶段的1.151倍和1.153倍;WTT阶段各环节的能量消耗占总能量消耗的比例分别为6.7%,0.42%,6.1%,温室气体排放占总排放的比例分别为1.92%,1.42%,9.97%;大型客车第1阶段燃料消耗量限值的实施可降低12%的能量消耗和11.8%的温室气体排放;第2阶段燃料消耗量限值的实施可降低16.93%的能量消耗和17.67%的温室气体排放.     

无人机舵面负载模拟系统的小脑模型控制

为解决无人机舵面负载模拟系统中非线性和多余力矩扰动问题,利用小脑模型神经网络非线性逼近能力强、结构简单、适于实时控制等特点,采用小脑模型和传统PD(Proportional-Derivative)控制结合的复合控制策略,由小脑模型实现前馈控制,PD控制实现反馈控制,以保证在系统运行各阶段的控制精度.分析讨论了复合控制的不稳定性问题,研究了基于可信度分配和学习率自适应调整的改进型小脑模型的应用情况,提出一种适用于单输入单输出系统的简化小脑模型复合控制设计方法.仿真结果表明该方法有效地解决了小脑模型和PD复合控制的不稳定问题,改善了系统动态加载性能,并具有很好的抗干扰性能.     

基于光谱信息散度的光谱解混算法

光谱解混是高光谱遥感定量化的关键,提出了一种基于光谱信息散度和光谱混合分析的光谱解混改进算法(SID-SMA,Spectral Information Divergence-Spectral Mixed Analysis).以光谱信息散度判定最优端元子集,端元选择时采用端元的初选和二次选择来提高端元选择的精度,得到较小的丰度估计误差.通过光谱库模拟数据的结果可以看出,SID-SMA的端元选择精度和丰度估计精度要优于其他算法,当信噪比为100∶ 1时,算法端元选择正确率达到了99.8%,29个端元的丰度估计总误差小于0.1,并且算法的速度较快.     

扰动测量环境中基于图像序列的模态参数识别

针对结构模态参数识别,提出了一种基于二维连续图像序列的识别方法.该方法以CCD相机采集的图像序列为基础,在待识别结构上选取一定数量的特征点,运用因子分解法将结构运动参数和外形信息分离开,得到各特征点的运动轨迹,通过实施特征系统实现算法(ERA,Eigen-system Realization Algorithm)识别出结构的模态参数.特别是当测量仪器,即CCD相机受到扰动时,能够从图像序列中分离扰动,得到结构自身的运动参数,保证较好的识别效果.以相机受扰动时,悬臂梁模型为例进行了仿真分析.将识别出的悬臂梁前5阶频率与ANSYS计算结果进行对比,结果吻合很好,对于工程中利用光学图像识别结构动态特性具有较高的参考价值.     

可靠性增长的单调约束模型

大型复杂产品研制过程中每一阶段的试验数据通常具有小样本特征.对此在产品可靠性评估中,提出使用约束条件,即"下一阶段可靠度真值总是大于前一阶段",综合利用产品多阶段试验数据的方法.产品研制过程中可靠性通常是增长的,因此这种方法具有广泛的适用性.在上述约束条件下,可靠度被看作一个随机变量.首先推导出了可靠度在此条件下的分布函数表达式,然后给出了一种近似计算方法,最后通过一个实例与仅使用单阶段试验数据的评估结果作了对比.由于该方法的约束条件简单且可以求得可靠度的分布函数,因此其工程适应性强于传统的AMSAA(Army Materiel System Analysis Activity)模型,并能获得Duane模型无法给出的可靠度区间估计.     

气溶胶光学特性偏振遥感反演算法

陆地上空大气顶的辐射主要由大气散射和地表反射组成,一般地表反射的贡献要大于大气散射的贡献,使得陆地上空气溶胶的特性提取非常困难,而偏振信息只强烈依赖于散射粒子的特性,发展基于偏振信息的气溶胶反演方法是非常有效的. 通过对矢量辐射传输方程求解进行研究,基于倍加累加法矢量辐射传输模式分析影响气溶胶反演的主要因素,确定多维参数查找表建立方法,利用POLDER(Polarization and Directionality of the Earth-s Reflectances)提供的反射率和偏振反射率数据,发展了一种利用反射率和偏振反射率查找表迭代查找反演气溶胶光学参数和地表反射率的算法,实现了对北京、香河、Dalanzadgad观测站上空气溶胶光学厚度、粒子半径、折射指数和地表反射率的反演.用AERONET(Aerosol Robotic Network)地基数据对反演结果进行了验证.     

PH曲线拟合在数控前瞻中的应用

为解决数控系统进行微小直线段平稳加工的问题,提出了一种拟合方法.综合了误差限制下的微小直线段长度、拐角、直线段相交点单调性等判定条件,将连续的微小直线段分割成若干区域.使用非线性最小二乘法将每一个区域内的点拟合成PH曲线,并通过模拟退火方法调整切矢量来控制拟合误差.根据区域的连接情况,将切矢量分为单向和双向两种调节方法.在模拟退火算法中,将微小直线段的斜率作为切矢量的初始值,利用细分直线的方法逐点计算弓高误差,并将此误差作为目标函数来快速进行切矢量的调整.结果表明,对微小直线段进行区域划分可以提高拟合效率.在控制弓高误差的情况下,此方法可以形成具有良好精度的光滑曲线,可以获得平稳的速度轨迹.     

适用于连续数值标签的兴趣漂移增量学习方法

针对现有兴趣漂移增量学习方法大多针对包含二值数据标签的用户反馈进行学习的不足,提出了一种适用于连续数值标签反馈的兴趣漂移增量学习方法,以或然概念集的形式描述用户兴趣,将用户反馈中包含的数据标签视为用户对该实例的喜好概率,并采用基于指数近度加权平均的方法对兴趣模型进行增量学习.在不同学习任务下的实验结果表明,该方法能够在反馈数据标签为连续数值的条件下达到比现有方法更好的学习效果.     

基于源项辨识的飞机座舱污染浓度动态预测

随着大型民机飞行时间的延长,座舱空气污染事故发生概率也随之增大,快速准确的污染浓度预测对保证乘客生命安全具有重要意义.座舱各污染浓度的动态预测和污染源项强度辨识是实现座舱空气质量实时预测的关键技术.污染源项散发强度辨识,如采用最小二乘算法,参数估计是静态的,一般延迟较大;如采用单模卡尔曼滤波算法,虽能实现动态辨识,但不能同时兼顾稳态和过渡过程(突发污染)的参数估计性能,导致误差较大.为解决上述难题,本文提出基于源项辨识的飞机座舱污染浓度动态预测方法,同时完成污染源散发强度动态辨识和污染浓度状态实时预测.该算法由2个滤波器组成,分别用于匹配系统的稳态和突发过渡过程特征,提高浓度方程参数估计和状态预测性能,保证飞机座舱空气质量态势预测的快速性和准确性.仿真结果证实了该算法的有效性.