基于B样条曲线的无人机航路规划算法

提出了一种动态环境中无人机(UAV)航路规划与重规划算法。根据战场中各个已知威胁的位置建立可行点之间的有向图，用Dijkstra算法生成一条由若干直线段连接的参考航路，再利用B样条曲线具有C^2连续性、局部性、保凸性以及B样条曲线的曲率变化比较均匀的特点，对规划的参考航路进行修正和验证，使得规划航路对无人机安全可飞。当遇到突然出现的威胁时，可对航路进行局部重规划。     

最佳过失速机动研究

 分航迹变向和机头指向目标两类问题对飞机过失速机动进行数值优化研究。结果表明,为获得大转弯率应在最大升力迎角区贴近角点速度飞行,因减速较快需用大油门。经典的转弯率图能够反映这类航迹机动的特点。而机头指向目标机动的前段仍是航迹变向问题,到适当位置后再利用超大迎角机动能力指向目标。飞行仿真表明,飞机具有过失速操纵力矩和良好的飞控系统时大部分最佳机动可顺利实施,但若有极低速度要求则仍可能超出操纵极限。     

拖曳系统中运载器航迹控制律研究

拖曳系统的飞行性能是评价拖曳系统可行性的一项基本内容,而要求解拖曳系统的飞行性能,则必须解决拖曳系统中运载器的航迹控制问题。在飞行器“准平衡”的假设下,研究了拖曳系统在铅垂面和水平面内飞行时运载器的航迹控制律,并进行了仿真计算。计算结果表明,所采用的控制律可以实现运载器跟随拖曳飞机的飞行航迹。     

基于改进A*算法的可行性路径搜索及优化

针对路径搜索和路径优化问题，提出了一种改进的A＊搜索算法。对估价函数予以加权处理，并引入“人工搜索标志”，避免重复搜索无效区域，能有效且快速地逃离障碍物陷阱，使得算法在未知环境中能有效准确地找到可行性路径，并对可行性路径进行了优化，得到最短路径。仿真实验证明了算法的有效性和适应性。     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

某型涡轮轴发动机稳态气路故障诊断方法

本文是涡轮轴发动机稳态气路故障诊断方法研究的结果。根据监控功能要求 ,应用气路参数分析法 ,确定反映部件性能参数变化的测量参数 ,建立故障诊断模型 ,探讨分别应用 6个和 4个测量参数诊断气路部件故障的方法     

仿真与响应曲面法的结合及其在综合生产计划中的应用

 论述响应曲面法与仿真相结合的优化结构,着重讨论了一阶和二阶响应曲面的仿真拟合原理和寻优过程,从而可在仿真环境下给出最优决策参数。利用所开发的GASPRSM仿真优化软件,对飞机工厂生产计划安排进行了仿真运行,证明可以取得显著的经济效果。     

CONTROL STRUCTURE AND IMPLEMENTATION OF CELL CONTROL SYSTEM

在计算机集成制造系统（ＣＩＭＳ）的递阶控制结构中，单元控制系统起着重要作用。它上端联接车间控制系统和ＣＡＤ／ＣＡＰＰ／ＣＡＭ系统，下端联接生产设备，直接影响到生产的柔性和效率。该系统根据生产任务和目标，完成了生产计划调度、资源分配、监控设备运行等功能。文中主要讨论了系统的控制结构、系统功能和以下主要关键技术：客户／服务体系结构在生产控制和管理中的应用，单元生产计划和调度，ＤＮＣ接口以及生产中的随机事件处理。该系统已在应用中取得良好的经济效益。     

并行集成式工艺设计系统的研究

计算机辅助工艺设计（ＣＡＰＰ）在计算机集成制造（ＣＩＭ）中起着关键的作用，并行工程既是ＣＩＭＳ从信息集成到功能集成的主要方法，又是这类复杂系统的全局优化方法。本文基于并行工程思想，研究和探讨了并行集成式工艺设计模型，它是一个实用化ＣＡＰＰ系统的新模型，不仅能利用设计信息进行初步工艺设计，而且能根据车间环境的状态，充分利用制造工艺和车间环境的柔性产生优化的工艺方案。它是采用分层工艺规划的方法来实现的。系统模型由三个层次组成，即初步规划层，决策层和详细规划层。文中最后还讨论了实现并行集成式工艺设计系统的关键技术。     

知识Petri网与机器人装配规划

介绍了知识Petri网（KPN），在柔性装配系统中基于KPN机器人装配规划的任务，以及用KPN为机器人装配规划的任务，以及用KPN为机器人装配规划建模和KPN的运行。文中论述了如何建立邻链表、构造KPN，以及最后如何运行KPN，获得最佳装配规划。最后，阐述了基于KPN的机器人装配规划系统中数据库、规划库及推理机的构造。基于KPN的机器人装配规划，与目前常用的机器人装配规划方法，如启发式搜索法AO和线性规划LP法相比，具有如下主要优点：由于将人工智能用于Petri网中，故智能强；适应性强，既适用于整套产品零件同时到达装配站，也适用于各零件分时到达装配站时的规划；算法简单，规划速度快，更适用于在线规划。