飞行控制律全包线鲁棒稳定性评估

传统的飞行控制律评估方法只能对飞行包线内的离散点进行逐点分析,对不确定性参数也只考虑了上下界,分析过程缺乏完整性和系统性。针对这些不足,研究了基于一种改进遗传算法的分析方法,该方法将评估准则转化为某个适应度函数,通过对适应度函数寻优以找到最坏情况下的不确定参数组合,在其基础上进行评估并给出评估结果或控制律修改意见。仿真结果表明,该方法能连续地研究多个不确定性参数同时摄动时的飞行包线,克服了传统方法的不足。     

基于特征模型的火箭发动机伺服控制系统设计

以新型大推力火箭发动机为研究对象,提出了基于特征模型的伺服系统控制器设计方法。首先,介绍了特征建模理论并讨论了特征模型参数范围;其次,采用人工蜂群算法实时估计火箭发动机伺服系统特征模型参数,使其满足特征模型输出与实际系统输出特性等价条件;最后,使用黄金分割自适应控制律保证系统在参数估计过程中的闭环稳定性,同时引入前馈跟踪控制律,逻辑积分控制律和逻辑微分控制律使伺服控制系统快速、精确跟踪线位移指令并改善动态性能。仿真结果表明,设计的火箭发动机伺服控制系统指令跟踪精度高,动态特性良好,鲁棒性强。     

带制退器复杂流场并行算法研究

基于集群系统(CLUSTER),在Linux和MPI并行环境下,研究了带制退器的复杂膛口流场三维数值模拟并行算法。计算网格是三维多区结构化网格,数值格式采用Jameson格式及LU隐式分解方法。针对流场的复杂拓扑结构,建立分区信息文件记录各分区的相关信息,并提出了通过合并相邻网格分区的方法均衡各个进程的负载,提高程序的并行效率。在处理需要通讯的信息时,设计了自定义数据类型和"设置中间参数"相结合的方法,并通过动态分配内存减少了程序对计算机系统资源的占用。数值实验表明,本文设计的算法可以适应拓扑结构较复杂的流场,并能取得理想的并行效率,将有助于制退器性能的研究。     

基于CST方法的吸附式压气机叶型及抽吸方案耦合优化设计

为了探索吸附式叶型设计特点,研究了一种将类别形状函数变换法(CST)方法和人工蜂群算法相结合,利用2D程序作为流场求解器,对吸附式叶型和抽吸方案进行耦合优化设计的新型吸附式压气机叶型设计方法,并且详细论证了CST方法用于吸附式叶型优化设计的可行性。研究结果表明:耦合优化设计之后在保证叶型强度未下降的基础上总压损失降低了65%,气流转折角增加了3°,气动性能得到较大的提升。针对所优化的进口高亚声速的吸附式叶型,通过适当改变叶型前缘处的型面,可以较好地控制气流马赫数,避免产生激波,从而防止附面层厚度增加,降低叶型损失。     

基于混合遗传算法的多冲量最优变轨

针对航天器多冲量最优变轨问题,建立了多冲量最优变轨的数值优化模型,给出了一种遗传算法(GA)与序列二次规划算法(SQP)结合的混合优化算法.该算法不需初值猜测,全局和局部搜索能力强并且计算效率高.仿真计算了燃料最优交会和时间最短拦截问题,比较了GA,SQP以及混合遗传算法的性能.针对混合遗传算法得到的不同冲量次数变轨的优化结果,分析了冲量次数对变轨性能指标的影响.结果表明混合遗传算法综合性能最高,冲量次数对不同性能指标的影响不同.仿真算例验证了模型和算法的有效性.     

基于遗传算法的地磁匹配搜索策略

为降低导航成本,提出仅利用磁测计和里程计的地磁场匹配定位方法.为解决搜索空间过大的问题,提出以遗传算法在匹配区域搜索可能路径的方法.该方法以相关性度量作为适应度函数,交叉与变异仅针对点列的相对关系完成,提出用局部适应度函数自适应调整交叉概率与变异概率.仿真结果表明,该方法可以有效完成地磁匹配导航中任意形状路径的匹配.     

一种源包和虚拟信道相结合的AOS调度算法

针对目前高级在轨系统(AOS)应用中遥测调度算法大多没有同时支持源包和虚拟信道2级调度的问题,提出一种基于AOS遥测源包调度和虚拟信道调度相结合的算法,实现同时对源包调度和虚拟信道调度层面的支持。针对源包调度,提出一种基于源包刷新率的动态优先级调度算法,以保证实时数据及时下传。针对虚拟信道调度,提出一种采用最重要(VIP)/同步/异步相结合的3级调度,保证信道的合理分配利用。分别采用源包调度策略、虚拟信道调度策略和文章提出的算法策略,对某航天器下行数据的平均时延进行仿真。仿真结果表明:文章提出算法策略的平均时延,低于源包调度策略和虚拟信道调度策略,比单独采用源包调度或者虚拟信道调度的算法具有更高的复用效率和公平性。     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。     

A strategic flight conflict avoidance approach based on a memetic algorithm

Conflict avoidance （CA） plays a crucial role in guaranteeing the airspace safety. The cur- rent approaches, mostly focusing on a short-term situation which eliminates conflicts via local adjust- ment, cannot provide a global solution. Recently, long-term conflict avoidance approaches, which are proposed to provide solutions via strategically planning traffic flow from a global view, have attracted more attentions. With consideration of the situation in China, there are thousands of flights per day and the air route network is large and complex, which makes the long-term problem to be a large-scale combinatorial optimization problem with complex constraints. To minimize the risk of premature convergence being faced by current approaches and obtain higher quality solutions, in this work, we present an effective strategic framework based on a memetic algorithm （MA）, which can markedly improve search capability via a combination of population-based global search and local improve- ments made by individuals. In addition, a specially designed local search operator and an adaptive local search frequency strategy are proposed to improve the solution quality. Furthermore, a fast genetic algorithm （GA） is presented as the global optimization method. Empirical studies using real traffic data of the Chinese air route network and daily flight plans show that our approach outper- formed the existing approaches including the GA .based approach and the cooperative coevolution based approach as well as some well-known memetic algorithm based approaches.