多源图像融合技术的发展与军事应用研究

多源图像融合能根据各波段传感器获得信息的互补性和冗余性,综合多个传感器的信息,获取对同一目标或场景全面而详尽的表述,从而得出更为准确、可靠的结论.首先分析了多源图像融合的主要研究内容,进而探讨了发展现状和存在的问题,在此基础上,总结了图像融合中常用的传感器和应用方向.     

一种月球软着陆参考轨迹解析算法研究

使用了高度和航向航程匹配求解推重比的算法,解决了一种无直接解析解的参考轨迹的求解问题.在数值仿真的基础上,简化了参考轨迹的求解,给出了推重比与高度和航向航程的关系,以及这些关系存在的原因.应用Monte Carlo仿真法对该方法求解的可行性进行了仿真验证,并基于一个类Apollo的参考轨迹,验证了算法对参数分布引起的状态不定具有鲁棒性.     

柔索的非线性变形分析

根据柔索应变与位移非线性几何关系以及自重作用与温度影响下的平衡方程,采用欧拉坐标系统精确地求得了各点位移和张力的一般解.由柔索的非线性变形问题建立的非线性代数方程组应用改进Powell混合算法编制的高精度DNEQNF程序直接进行求解.算例中对柔索两端点在同一水平线上承受自重或集中力两种情形进行了计算,并与其他学者用不同...     

空间平台发射拦截器动力学与最优脉冲拦截

研究了空间平台发射拦截器的两体耦合动力学,以及拦截器拦截目标星的最优脉冲控制问题。平台首先与目标星形成绕飞关系,保持其发射筒轴线始终瞄准目标星。接到发射指令后,拦截器从发射筒中射出,本文采用拉格朗日第二类方程建立了发射过程平台-拦截器两体动力学模型。因为两体耦合影响,平台姿态偏转,拦截器出筒时的速度已经不能瞄准目标星。通过小型火箭发动机给其施加速度脉冲,使其进入拦截轨道,保证拦截的同时,将脉冲速度最小化以节省燃料,本文将其归结为一个非线性规划问题,采用三级优化的策略来求解。在拦截飞行时间相较于平台绕飞目标星的周期是小量的条件下,可以视绕飞平均角速度为小参数,采用正则摄动方法求出非线性规划的一阶近似解,然后以此为迭代初值,寻找最优真解。最后进行了数值仿真验证。     

基于解析解的小范围高频率机动飞行器制导律设计

针对机动飞行器的小范围高频率侧向机动飞行问题,结合飞行器的运动学和动力学方程,通过解析方法给出了机动幅值和飞行器最大可用过载下的最大机动频率,同时利用粒子群优化方法进行了制导律最优频率的优化。基于解析规划算法给出了正弦机动制导律的解析形式以实现飞行器在侧向方向的机动导引飞行。仿真结果表明：解析算法能够精确得出制导律频率,而粒子群优化方法的精度也能很好的满足要求,误差在5%以内。正弦机动制导律在大速度下可以较好的完成任务目标;在小速度下,幅值误差会有小幅度的增加。     

菊花形混合器混合效率理论计算

在菊花形混合器混合增强机理深入分析的基础上,采用环形流线流动模型、平板火焰扩散模型以及三维细长体近似法等,提出了涡扇发动机内外涵菊花形混合器在相同出口面积条件下,相对于环形混合器,其混合效率的解析解.对某涡扇发动机的多工况计算结果表明,菊花形混合器混合效率解析解的计算精度较高,可以用于菊花形混合器混合效率的快速计算.      

航天器近距编队轨道动力学模型及仿真

针对目前航天器近距编队长期飞行中存在的HCW模型精确度不够的问题,提出了利用平均轨道根数线性微分漂移率预测J_2摄动下航天器近距编队相对运动的方法,建立了一种新的航天器近距编队轨道动力学模型.仿真结果表明,解析模型计算得到的相对运动轨道和不考虑J_2摄动影响的相对运动轨道相比,解析模型运算时间很短,精度提高约50%(10个轨道周期之后),证明了模型的有效性和快速性,适合在线运行,同时给出了解析模型的适用范围.     

非相似余度飞控计算机

从容错的角度介绍了Boeing777和A320的数字飞行控制计算机系统。Boeing777和A320的飞控计算机都采用了非相似的余度技术,能容忍软件和硬件的共态故障,但在每个计算机的功能分配和整个飞控计算机系统的余度结构编排等方面体现了各自的特点。用广义随机Petri网描述了Boeing777余度结构和容错动态过程,并进行了系统的可靠性计算和容错度分析。针对中国"大型飞机"容错飞控系统的设计作了分析和建议。     

ARINC659总线协议容错机制的一种设计与实现

在飞行控制系统中,对系统安全性、可靠性、可用性的要求不断提高,系统的容错控制能力也在不断的发展.ARINC659是一种具有较高吞吐量、严格的故障隔离、数据传输确定特性的数据总线.描述了ARINC659背板数据总线协议规范中使用的两种容错机制,并实现了容错机制,使用verilog语言设计实现并给出了相应的仿真结果,能够有效的实现对一路故障以及部分两路故障的屏蔽保证系统的可靠性.     

冗余直接驱动阀系统的余度控制策略

针对冗余直接驱动阀伺服系统中由于余度降级所造成的性能降低问题,提出一种神经网络自适应滑模余度控制策略.利用径向基函数神经网络RBFNN(Radial Basis Function Neural Network) 的在线学习功能,对系统发生的变化进行快速自适应补偿,使系统状态趋近于滑模面,提高跟踪精度和鲁棒性;并通过与比例微分PD(Proportional-Derivative)算法的并行控制,促进RBFNN的收敛,增强系统的稳定性.通过与PID(Proportional-Integral-Derivative)切换控制策略的对比研究,表明RBFNN自适应滑模余度控制方法不但设计简单,而且能够有效克服余度降级带来的系统性能下降的问题,极大地改善了系统的品质.