高超声速飞行器建模与控制的一体化设计

针对高超声速飞行器纵向模型具有非线性、强耦合及不确定性等特点,提出 高超声速飞行器建模与控制一体化设计方法。该方法首先以具有典型结构的高超声速飞行器 几何外形为研究对象,结合高超声速空气动力学的有关理论,建立飞行器的非线性纵向模型 方程;然后在不同飞行条件下获取多个平衡点,分析飞行的气动特性,进而在每一个平衡点 上设计具有非线性解耦控制能力的控制器,并将得到的多平衡点控制参数结合起来,进行插 值计算,实现多平衡点的连续飞行;最后的仿真结果表明,本文提出的方法是切实可行的。
     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。     

多自由度气浮仿真试验台的研究与发展

气浮台仿真是卫星等航天器地面仿真试验的一种重要手段,其中多自由度气浮仿真试验台可以用来研究航天器的编队飞行、轨道机动和空间交会等问题.文中对国内外近几年多自由度气浮仿真试验台的研究状况进行了较详细的介绍,归纳总结了当前的研究热点和发展趋势,旨在为我国相关技术研究人员提供更多的参考和借鉴.     

航空发动机多变量神经网络自适应控制仿真研究

针对航空发动机是一个具有强非线性、时变不确定性的被控对象,提出了一种基于RBF网络的航空发动机多变量神经网络自适应控制方法,该方法采用RBF网络对发动机非线性模型进行实时辨识,并将系统的灵敏度信息反馈给神经网络控制器,保证了控制器对被控对象的准确控制.通过某涡扇发动机在飞行包线内的数字仿真,结果表明该方法不依赖被控对象的精确模型,有效地实现了对发动机的多变量自适应控制,而且具有较好的动静态性能.     

自卸车驱动桥壳的过盈接触分析

用有限元数值模拟的方法研究了一款自卸车驱动桥壳的过盈接触问题,分别就外部载荷和桥壳的厚度变化对过盈接触的影响做了分析,根据分析的结果,优化了桥壳和半轴套管的公差配合,使过盈量在安全的区间内.     

弹体自旋条件下姿控发动机控制律设计

针对大气层内带有横向喷流姿控发动机和尾部气动舵的导弹,研究了弹体自旋条件下的姿态控制问题。以导弹的横向加速度为输出,建立了姿态系统数学模型,并对模型进行了分析和简化。考虑了双通道控制和单通道矢量控制两种控制方式,针对姿控发动机的离散工作特点,分别研究了控制律设计问题,实现了横向加速度的快速跟踪。针对喷流干扰效应,给出了喷流放大因子的在线估计算法。最后,进行了数值仿真,仿真结果说明了所提方法的有效性。     

泛函级数在导弹主翼振动分析上的应用

为了研究突风载荷对导弹主翼的垂直振动及俯仰倾角的影响,提出了对非线性动态系统做建模研究的Voherra泛函方法的任意高阶核估计方法.该方法在核理论基础上,构造线性空间,将求解Volterra泛函各阶核的问题转化为求输出观测向量在希尔伯特空间子空间上的分量,利用线性空间中向量内积的求解而间接辨识出复杂的非线性动态系统.相对于其他在时域或频域估计Volterra核的理论,该方法数学基础清晰、计算量不随辨识精度增高而增加、能够对任意高阶核进行估计,可对强非线性动态系统进行辨识,回避了计算量很大的计算流体力学(CFD).虽然对模型的喂给数据量有一定要求,但与随机和伪随机信号的随机响应法、Lee-Schetzen法和其他的统计量辨识方法比较,不需要对喂给数据量和概率分布有太高要求.通过该方法辨识出来的各阶核,可以立即得到系统的一阶幅相频响应和各阶广义频率响应.在NACA64-008A翼型加载线性扫频调幅拉伸力,将系统响应与辨识模型响应及Ijee-Schetzen法在不同喂给数据量下辨识结果做了对比和说明.     

航空发动机神经网络反步控制方法

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的反步控制方法.采用径向基神经网络估计未知系统方程,并用一种平滑切换法有效避免了控制器奇异问题.反步法的设计基于Lya-punov稳定性原理,保证了闭环系统一致渐近有界.最后针对某型涡扇发动机非线性模型设计了高压转速控制器,仿真结果验证了该方法的有效性.      

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。