基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。     

新一代战斗机非定常流动数值研究综述

新一代战斗机强调超机动能力和强隐身性，其中大攻角下的静态失速、动态失速及内埋弹仓绕流是与高机动和强隐身密切相关的、极具挑战的几类典型的非定常流动，它们对数值方法提出了极高的要求。为了高精度地仿真流场、清楚地揭示流动机理，有效地控制非定常流动，非常有必要发展高精度且高效率的RANS-LES混合方法体系，包含RANS-LES混合方法本身、与RANS-LES混合方法匹配的高精度自适应耗散格式、基准湍流模式、高质量计算网格、高精度时间推进方法、非定常量的统计方法等，具有极强的紧迫性。提出、发展、验证并应用该类方法数值仿真新一代战斗机（包括单独部件、组合体、甚至全机）的非定常流动，数值预测结果与风洞实验数据吻合良好；此类方法可为新型战斗机设计提供理论依据和分析手段。     

飞机减速伞抛不掉故障分析

根据飞机减速伞抛放系统工作原理,对减速伞抛不掉故障进行验证和试验,从原理上分析故障产生的可能原因,并提出了相应的解决措施。     

模块化自适应热控技术体系研究

针对现有的两种热控技术体系尚不满足未来航天器要求的在轨服务能力,文章结合热控单项技术在可维修、自适应方向的发展现状,从系统层面和热量的收集、传输、排散各环节对潜在的可维修热控技术进行了分析,提出了未来的发展方向,构建出新的"模块化自适应热控技术体系"。该技术体系基于热总线,主动热控装置、设备的适应性和鲁棒性更强。在此基础上,提出了可更换、可修复、可重构和可补充4种热控系统在轨维护类型,并初步研究了各类型的实施方案和可行性。     

基于自适应非结构嵌套网格的旋翼流场模拟

针对直升机旋翼CFD仿真的复杂性,提出了改进的适合于格心格式求解器的非结构嵌套网格算法。采用自适应网格技术在旋翼流场仿真的整个过程中进行网格的自适应加密和疏化操作,以更好地捕捉桨尖涡等流动细节。对于频繁的自适应过程中产生的大量重复点和无用点,采用了高效的交替数字树算法(Alternating digital tree,ADT)和标记-删除-移动算法(Mark,delete,move,MDM)进行删除,节约了不必要的存储。针对格心格式的求解器,采用了基于梯度的网格间插值方式,简化了网格间数值传递的复杂性,同时不降低求解器的精度。对CaradonnaTung旋翼悬停算例和HLISHAPE 7A旋翼悬停算例进行了模拟验证,计算值与实验值吻合,表明本文建立的方法具有良好的鲁棒性和有效性。最后,与未采用自适应时求解器对桨尖涡的捕捉效果进行了对比,结果表明本文所采用的方法可以明显地提高求解器对桨尖涡的捕捉。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题，本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理，用混合高斯模型逐步逼近最优重要抽样密度函数，并采用AK模型协助逼近过程中混合高斯模型的参数的更新，从而提高了CE-IS方法的计算效率。另外，本文还改进了CE-IS方法的收敛准则，避免了方法的冗余迭代，扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型，因此，本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法，本文方法中引入了重要抽样的思想，因此在Kriging训练点数目基本相同的情况下，大幅缩减小失效概率计算时样本池规模，并且由于利用了混合高斯模型，因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题，应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题，提出单网络积分型强化学习（SNIRL）算法进行求解，该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构，只需要采用评价网络估计值函数就可以求得最优控制律，其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器，并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高，收敛速度更快，并校验了自适应最优姿态控制器的有效性 。     

基于参数化分析的柔性后缘优化设计

介绍了一种自适应柔性机翼后缘变形控制优化设计方法,该方法采用了由单个驱动器驱动的单块式分布柔性结构。该方法的关键在于设计一种合适的柔性后缘结构拓扑形式,使该自适应柔性机翼后缘能够达到精确的变形。阐明了柔性结构拓扑优化设计的数学模型,针对自适应柔性机翼后缘概念设计提出了基于参数化分析的拓扑优化设计方案,并进行了工程化圆整和尺寸优化。最终,通过非线性有限元分析和功能测试,验证了本文提出的柔性后缘优化设计方法的合理性。