空间黏附足式爬行机器人的稳定性判据及蠕动步态

面向空间在轨服务任务中的黏附足式爬行机器人应用需求,提出一种通过足端和腹部黏附实现爬行的机器人构型,分析了空间黏附足式爬行机器人的稳定性原理,推导了一种以机器人黏附和脱附力矩平衡为稳定条件的空间黏附足式爬行机器人稳定性判据。在此基础上,分析得出空间黏附足式爬行机器人3+1步态的不稳定性,并规划了一种适用于黏附足式爬行机器人在空间微重力环境下的稳定行走步态,即蠕动步态。最后,通过仿真验证了所提出的空间黏附足式爬行机器人稳定性判据及所规划蠕动步态的有效性。     

空间机器人操作：一种多任务学习视角

利用空间机器人辅助、代替航天员完成在轨服务操作是近年的技术发展趋势。基于学习的空间机器人操作以深度神经网络为控制器载体,对非结构化太空环境适应能力强,在高轨、地外、深空等场景具有良好应用前景。目前,无论是空间机器人操作,还是地面机器人操作,多数研究只关注单一任务学习问题。立足一种多任务学习新视角,针对空间机器人操作面临的多任务适应性要求高、精细化要求高、不确定性强问题,首先分析了在轨服务的多样化任务需求。其次,全面综述了机器人操作多任务学习算法与应用相关工作,分析了开展空间机器人操作多任务学习的难点挑战,给出了关键技术发展建议。相关关键技术的突破将有助于提升空间机器人系统的自主性、鲁棒性,进而助力中国在轨服务技术向无人全自主方向推进。     

基于卡尔曼滤波器残差的矢量跟踪完好性研究

针对接收机跟踪卫星导航信号时可能发生的各类故障,利用卡尔曼滤波器的残差观测量进行滤波,通常可以在不借助冗余观测量的情况下快速检测和隔离故障。建立软件接收机平台,利用卡尔曼滤波器进行导航信号的矢量跟踪,在跟踪环中模拟故障的发生并依靠残差序列滤波的方法检测并排除错误观测量。实验表明,在算法模拟的短时较大幅度干扰下,完好性监测方法可以快速检测并排除错误观测量对环路跟踪的影响,且无需冗余观测量。     

减压阀球头磨损故障分析及改进

针对某型减压阀主弹簧座球头磨损的问题,利用仿真和试验相结合的方法,分析了减压阀球头磨损的故障机理,计算了不锈钢2Cr13不同硬度组合下球头的应力与应变,结果表明现有结构存在应力超高的问题。同时对金属材料配对副磨损进行研究,从减小接触应力和避免黏附磨损的改进思路出发,提出了改进措施,通过磨损对比试验验证,确定了减压阀的最...     

GJB289A总线网络电气特性仿真及故障分析

机载GJB289A 总线用于实现各类航空电子设备之间的物理连接,其可靠性直接影响着飞机航电系统的正常运行。为了分析GJB289A 总线网络典型电气故障特性,根据GJB289A 总线网络变压器、终端电阻分布参数及有损耦合传输线模型,在ADS（Advanced Design System）软件中构建包含两个耦合变压器的两端...     

非冗余舵面与RCS复合故障的自愈控制方法

临近空间飞行器在稀-稠大气过渡阶段且反推力矢量装置(Reaction Control System, RCS)有剩余燃料的情况下,RCS对于非冗余舵面的故障补偿与在线重构具有重要意义。基于此,本文研究了针对非冗余舵面与RCS复合故障的自愈控制方法,以实现飞行器的安全可靠控制。首先,建立了执行机构故障等不确定影响下的姿态控制模型;其次,针对舵面故障给出了基于残差观测的故障检测与自诊断方法,设计了RCS与舵面复合故障的分离诊断策略;然后,基于非线性比例-微分控制及故障诊断信息,设计了舵面故障补偿的自愈控制器;同时,基于RCS故障喷管序列判定,设计了复合故障下RCS在线重构的自愈控制器。最后,通过某典型全弹道姿态跟踪数值仿真,验证了该方法的有效性及可靠性。     

固体火箭发动机的点火故障

本文介绍了固体火箭发动机点火过程中由点火装置引起的部分故障,包括发火管结构损坏、能量输出较大、能量释放件爆炸和受真空环境条件影响造成的故障等,并对其故障原因进行了分析,还提出了点火装置设计中应采取的措施.     

交会对接任务故障与应急仿真系统设计与实现简

为了模拟交会对接任务多目标情况下的航天测控故障与应急过程,建立系统级的故障仿真和综合性的应急处置效能评估环境,采用分布式、支持互操作的高层体系结构,研究了故障SPR柔性描述技术,设计了基于脚本引擎驱动的故障协同演练控制方法,实现了故障建模、存储、提取和组装全过程的规范化,实现了故障的操作控制、效果监视和处置评估的一体化.解决了我国重大空间工程地面故障仿真、应急过程演练和人员训练的技术难题,经受了3次交会对接任务的重大工程应用考验.     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于FFT和专家系统的BLDCM系统故障检测与识别

针对具有双通道结构的无刷直流电动机(BLDCM, Brushless DC Motor)容错系统的高可靠性要求和大范围调速特点,在不增加额外设备的条件下,通过分析两个通道中功率电路直流母线电流波形的特点,提出一种采用归一化快速傅里叶变换(FFT, Fast Fourier Transform)方法提取频率特征,再结合基于规则的专家系统进行故障检测与识别的方法,并通过实际电动机系统的试验验证了方法的正确性.试验结果表明:规一化FFT方法可以消除不同转速和不同负载对判断结果的影响;专家系统中阈值的选取可以有效避免实际应用中出现的噪声等因素的影响.算法复杂度低,可靠性高,易于应用,具有很强的实际操作性.