钟形返回舱空气动力特性数值模拟

文章基于Euler方程及N－S方程的数值求解方法，对回舱亚、跨声速和高超声速的流场及气动特性进行了数值模拟，其中Euler方程数值求解采用二阶Godunov有限体积法；N－S方程数值求解采用二阶Harten-Yee格式的差分法，得到同实验值一致的物面压力、气动力系数和在不同速度范围出现的激波、流动分离及旋涡等流场特征。通过完全气体、平衡气体和非平衡气体的流场数值模拟结果分析比较，得出真实气体效应对返回舱气动力特性影响较小这一结论。计算结果表明数值模拟方法是预测返回舱气动特性的有效手段。     

运载火箭姿控系统数学仿真软件设计

分析了运载火箭姿控系统箭体动力学运动方程和控制器数学模型特点，并且按照校正网络、执行机构、箭体方程、测量方程顺序设计数学仿真软件。该软件能方便地完成姿控系统数学仿真任务。由于采用三级模块结构设计，该软件具有结构清晰、层次分明、调试简单、功能齐全、使用方便等明显优点。     

利用刚体—质点模型法计算物—伞系统运动轨迹的基本方程

物－伞系统运动轨迹计算是飞行器回收系统设计的重要课题，文中采用刚体－质点模型推导出该问题的求解方程，特别着重讨论了物体运动状态的确定。与通常讨论物体运动将转动参考点取在质心不同，文中针对和的－伞系统的实际，把物体转动的参考点取在物－伞连接点。     

一种用于导弹姿态控制系统的直接力非线性控制法

为改善传统导弹姿控系统线性控制法的不足,用相平面法分析了直接力作用下导弹的姿态运动规律和气动力作用对直接力控制的影响,提出了一种综合控制精度、姿控发动机产品特性和推进剂消耗量等指标的直接力非线性控制方法,给出了控制模型。仿真结果表明,该法能在气动力作用或干扰无法忽略的条件下实现导弹姿控发动机的开关工作正常,保证精度及推进剂消耗最省,其控制精度与线性比例微分(PD)控制律相当。     

伴飞诱饵支援条件下无人飞行器协同作战效能研究

针对复杂的威胁环境，介绍了伴飞诱饵在体系作战条件下的应用情况；基于排队论的突防概率模型，研究了伴飞诱饵支援条件下，无人飞行器的协同突防概率和效费比：提出了作战体系作战时效性的概念；建立了火力对抗条件下无人飞行器打击防空导弹防御体系的Lanchester方程，利用所建模型分析了伴飞诱饵对作战时效性的贡献。研究表明，排队论和Lanchester方程用于伴飞诱饵条件下的无人飞行器协同作战效能研究是有效的。     

空间目标姿态角估计与RCS反射图生成

介绍了一种空间目标姿态角估计方法,并在此基础上生成了RCS反射图.该方法主要是在直角坐标系中对目标的运动特征用二次项进行描述,并用最小二乘估计求解二次方程,从而根据运动方程估计出目标的姿态角.实测数据验证结果表明,该方法能够有效地估计出空间目标的姿态角变化情况,并可反映出目标RCS随其姿态变化的规律.     

卫星编队飞行相对位置保持的脉冲控制

研究了卫星编队飞行相对位置保持的脉冲控制方法。分析基于动力学模型的周期脉冲控制策略,讨论其工程可实现性,并在考虑存在较大测量噪声情况下提出了周期多步脉冲控制的方法。数字仿真的结果比较显示了这种多步脉冲控制方法的有效性。     

差动驱动式移动机械手的运动规划

提出了差动驱动式移动机械手的运动规划算法。首先推导出差动驱动式移动机械手的运动学模型，其次给出了基于广义雅可比矩阵的差动驱动式移动机械手分解运动速度控制算法，最后用计算机仿真验证了该算法的正确性。     

同时地形高程测量和地面运动目标检测的分布式InSAR最优编队构形

分布式小卫星干涉SAR为了同时获得时间基线(用于地面运动目标检测)和空间基线(用于地形高程测量),采取空间立体编队构形(即非沿航向直线编队),然而这种混合基线的情况会导致地面运动目标与地形杂波存在相位耦合,而且只靠信号处理方法很难分离,这对于检测地面运动目标极为不利。提出几种最优编队构形,在保证获得两种干涉基线的同时,通过对消两对干涉SAR图像来抑制掉固定杂波,从而可以检测地面运动目标,这种方法具有处理简单和性能较好等优点。最后给出了仿真结果。     

机载阵列雷达抑制运动杂波的学习算法

一种称为自适应空时处理器(STP)的线性滤波器是一种相对比较新的方法，它使机载阵列天线雷达目标检测概率达到最大。理论上，全自适应STP可以实时获得最优解(一种维恩滤波器)。但是，实际上全自适应STP也存在一些问题。首先，线性滤波器的加权数可能非常大。其次，单一加权矢量的计算复杂度大约为O(MN)^3。再次，STP为线性滤波器但却工作在非线性不稳定的环境中。这些问题导致采用空时处理器传统技术的实时、最佳处理是现行计算技术内所不及的。为使运动杂波对目标检测的影响最小，本文探讨了人工神经网络和几种学习算法的可应用性。人工神经网络是一种自适应、并行、分布式处理系统，可以实时完成复杂计算。学习算法的机理是为了存储新的信息或变更信息，人工神经网络中的长期存储器要不断更新而又不被破坏。由于学习算法既能在系统的使用期内保留信息又能变更信息，所以对雷达系统的计算要求降到了最低，同时还能适应环境的变化。