机器人在轨装配无标定视觉伺服对准方法

针对在轨装配过程中机器人"手眼"关系无法进行有效标定及机器人系统和被操作物惯性参数不定的情况,在传统的无标定视觉伺服基础上设计了深度估计器,基于机器人和图像运动的测量数据在线估计目标特征的深度值,并在机器人关节控制环中设计滑模控制器实时控制机器人关节运动,根据反馈图像信息纠正系统误差完成对准跟踪,通过仿真验证了方法的有效性。所提的无标定视觉伺服对准方法使机器人在装配过程中免去了复杂的"手眼"关系的标定程序,克服了机器人系统及被操作物惯性参数不确定性给装配精度造成的影响,提高了"手眼协调"的鲁棒性,保证机器人能够在复杂的太空环境下完成在轨装配任务。     

基于有限元的薄壁结构建模及尺寸优化

针对薄壁板壳结构的特点,建立数学优化模型和有限元模型,以某试验舱为例,采用有限元计算方法和序列二次规划法迭代优化算法,有效地实现了结构优化目标——小质量和大强度/刚度。     

具有校正项的K分布形状参数的V-估计器

Oliver于1993年提出的K分布形状参数的V-估计器(VE),虽然具有免于求解非线性方程的计算因而估计效率高的优点,但是,其估计精度却低于许多其他矩估计器的估计精度,且有时会出现奇异值的情况.为扬长避短,在对V-估计器的估计偏差进行推导和分析的基础上,通过一系列Monte-Carlo实验,V-估计器改进成本文提出的具有校正项的V-估计器(VCE).VCE克服了V-估计器的上述缺点.仿真实验表明,VCE的估计精度不但显著优于VE,而且在效率和精度上都优于通常被认为是精度最高的矩估计器中的U-估计器.特别是,实验结果显示,VCE更适合于小样本长度下的情况,这个特点使得它更便于实际应用.      

非对称转捩对横向偏离稳定的影响

为研究非对称转捩对横向偏离稳定的影响,采用指定位置的强制转捩方法,对典型升力体外形进行非对称转捩的的数值模拟,包含全层流、全湍流及斜线转捩情况的计算与分析,得到非对称转捩对横向偏离稳定性影响的结论。结果表明：极端转捩会使飞行器航向稳定性变差,斜线转捩甚至会使飞行器航向稳定性的极性发生改变。     

利用改进TW-API方法在轨辨识挠性航天器时变模态参数

考虑大型挠性部件运动导致的在轨航天器模态参数时变特性,提出一种改进的截断窗逼近幂迭代（TW-API）追踪方法。针对传统TW-API方法计算量较大的问题,改进的方法简化了数据处理中的矩阵递推过程,显著减少了在轨辨识过程的计算量和计算时间。还将该方法与经典投影估计子空间跟踪（PAST）方法和逼近幂迭代（API）递推方法进行了计算量对比与分析。为检验四种方法用于航天器模态参数辨识的效果,选取ETS-VIII卫星为对象进行数值仿真。通过实际计算时间的比较,校验了改进TW-API方法在大型挠性航天器时变模态参数在轨辨识方面的有效性。     

基于转子不平衡响应的磁轴承磁力参数辨识

针对磁轴承磁力参数理论设计值不精确的问题,提出了一种基于不平衡响应的磁力参数实验辨识方法.利用转子的质量不平衡在高速转动时的离心力效应,通过检测磁轴承在零电流控制状态下的同频位移响应和零位移控制状态下的同频电流响应,解算磁轴承磁力参数.设计了基于通用陷波器原理的零位移控制器和零电流控制器,并通过设置T矩阵保证闭环系统稳定.实验结果表明:基于不平衡响应的磁力参数辨识方法,辨识结果与理论设计值差别在20%之内,证明了该方法的正确性和改进磁轴承力学参数的有效性.      

基于水膜流动与耦合传热的翼型防/除冰计算

针对飞行器防/除冰过程中翼面上空气-水膜-冰层-机翼之间的耦合传质传热现象,建立了一种基于水膜流动与耦合传热模型的翼型防/除冰数值模拟方法。基于Myers水膜流动模型建立了防/除冰热载荷作用下翼面溢流水流动、积冰及内部温度分布的数值计算理论。对于翼型及冰层内的传热现象,利用焓理论及有限体积法建立了复杂多层结构传热的数值模拟方法,对于冰层相变过程,提出了一种基于焓理论的相变修正方法以考虑相变潜热对温度变化的影响。最终实现了翼型防/除冰过程的耦合计算,结果表明:通过结合不同界面处的传热边界条件和考虑了相变潜热效应的焓理论对水膜流动与翼型/冰层传热模型进行耦合求解,能够对翼型/冰层内温度分布进行准确计算,可实现对翼型防/除冰过程中溢流水流动及积冰特性的有效预测与分析。      

混合排气加力涡扇发动机过渡态的数值计算

考虑混合室加力燃烧室、主燃烧室和外涵道的容积效应，风扇、压气机、高压和低压涡轮等部件的特性，加力燃烧室供油管的充油时间等因素，提出了模拟低涵道比混合排气加力涡轮风扇发动机过渡过程的计算方法，以混合室加力燃烧室、主燃烧室和外涵道3个容积室的动态方程为基础，详细分析计算了苛发动机过渡态的性能，用很小的时间步长逐渐逼近，计算不需要迭代，速度快，精度满足工程要求。     

铲挖式表层月壤采样器设计与试验

针对月球表层土壤的采样任务,设计了一种搭载于机械臂末端的采样器。基于离散元手段,利用Scott真实月壤微型三轴压缩试验数据,完成仿真散体颗粒特性参数匹配,开展了采样器铲取、挖取采样过程的仿真分析,获得作业过程采样器的动力学特性。此外,开发了采样器性能测试系统,针对不同模拟月壤对象进行了采样试验,测试获得了采样器采样能力随深度及月壤硬度的变化情况,得到采样器操作参数的可行区域。采样器能够实现铲取、挖取和封装容器转移多重任务,研究工作为中国未来的月面采样任务提供方案借鉴和技术支撑。     

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。