超声速湍流密度脉动预测的神经网络方法

针对气动光学效应对湍流密度脉动预测的需求,发展了超声速湍流密度脉动预测的神经网络方法,从直接数值模拟（DNS）的超声速湍流边界层的流场数据中挖掘规律,建立了包含5个隐含层的密度脉动模型。实验结果表明,所发展的神经网络方法可以很好地预测密度脉动均方值,它不仅能很好地预测训练样本,对测试样本预测的精度和稳定性也显著高于传统模型,且具有一定的泛化能力。通过特征选择和加入先验信息,确定了密度脉动模型的7个输入参数特征量,进一步提高了模型的泛化能力和实用性。     

适用于超声速流场计算的有限体积紧致算法

结合紧致格式与有限体积法两者的优点,提出了一种基于有限体积的紧致算法.采用特征处理的通量限制方法抑制紧致格式在间断附近的非物理振荡,将该算法应用于航天领域超声速流场的数值模拟.通过计算典型算例,并与其他格式计算结果进行对比,证明了该算法能够无振荡捕捉各种间断,且对波系结构的刻画最为锐利,并能够精细分辨小尺度流场结构,计算结果与精确解最为接近.      

考虑输入饱和的多航天器系统姿轨耦合分布式协同跟踪控制

基于一致性理论,研究了多航天器系统相对轨道及姿态耦合的分布式协同控制问题。在仅有部分跟随航天器可获取领航航天器信息的情形下,针对各跟随航天器存在未建模动态以及外部环境干扰等问题,利用双曲正切函数的性质,提出了考虑输入饱和的分布式自适应协同控制律。首先,对于领航航天器具有时变状态的情形,为每个跟随航天器设计了3个滑模估计器,对领航航天器的状态进行估计。其次,针对跟随航天器间相对速度和角速度难以测量的问题,设计仅需领航航天器状态的切比雪夫神经网络自适应更新律。最后,设计考虑输入饱和的分布式自适应协同控制律保证各跟随航天器跟踪动态领航航天器。仿真结果表明了该算法的有效性、可行性。     

基于滚动优化和微分Theta-D方法的快速绕飞航天器姿轨协同控制

针对近距离快速绕飞的视线保持要求和姿轨耦合特点,研究航天器姿轨协同最优控制方法。建立了六自由度相对运动耦合非线性模型,偏心推力矢量同时提供位置和姿态控制能力;考虑到近距离相对运动对动态性能的高精度要求,不同于无限时域经典Theta-D方法,提出了一种包含终端状态约束的滚动优化有限时域最优控制快速解算方法,推导了中间过程微分Riccati方程和微分Lyapunov方程的横截条件。控制器设计充分考虑了有限脉冲小推力器和有限力矩输出装置的约束。对近距离快速绕飞的仿真结果说明了方法的有效性,所提方法在保证相对运动稳定和动态性能的前提下控制输出幅值小,具有工程实际意义。