端壁吸/吹气对超声速压气机叶栅流场影响机理的对比研究

附面层吸/吹气是抑制流动分离、提高压气机叶片负荷的有效技术途径。针对超声速压气机叶栅内激波诱导的角区分离,分别采用多种不同的端壁吸/吹气方案对其进行流动控制,旨在探索端壁吸/吹气对激波干涉下角区分离的控制机理,并对比分析端壁吸/吹气对超声速压气机叶栅角区分离的控制效果。结果表明:在激波/端壁附面层干涉下,该超声速压气机叶栅内存在大范围的激波诱导角区分离,角区分离使得该超声速叶栅存在强三维效应,二维叶栅中的单正激波变为"斜激波+正激波"结构,叶中吸力面尾缘开式分离变为闭式分离;端壁吸气可有效抑制该超声速叶栅的角区分离,吸气后近端壁区损失系数大幅降低,最优端壁吸气缝方案的起始点与亚声速压气机叶栅相同,但端壁吸气后叶中的双激波结构变为单正激波结构,叶中流动分离增大;端壁吹气也可有效抑制角区分离,其控制效果略优于端壁吸气,其原因是吹气缝处的静压高于吸气缝,对激波的增强作用弱于端壁吸气;与端壁吸气方案不同的是,最优端壁吹气缝方案的起始点位于叶片前缘。     

基于有向图的航天器编队飞行自适应姿态协同控制

在有向通信拓扑下研究了编队航天器自适应姿态协同控制问题。针对航天器编队飞行系统中存在外部扰动和模型不确定性的情况,通过选取包含相对姿态误差和绝对姿态误差的辅助变量,提出了一种鲁棒自适应控制策略。提出了自适应律估计转动惯量矩阵和扰动上界等未知参数,并且利用Lyapunov稳定性理论分析了闭环系统的渐近稳定性。与滑模控制等传统鲁棒控制不同,所设计的鲁棒自适应控制器是连续的,更便于航天器编队飞行系统的实现。最后通过仿真验证了该控制策略能够实现高精度的编队飞行跟踪控制。     

行人导航系统中的MEMS误差在线修正技术

在基于微惯性器件的行人导航系统中,陀螺仪和加速度计的偏移是降低系统定位精度的重要因素。传统的标定方法大多在实验室中进行,后续导航解算都是基于标定后的固定模型,然而MEMS器件长时间工作后,标定模型参数发生变化会导致系统导航性能下降。通过分析行人导航系统及MEMS器件的特点,提出了一种基于误差模型的MEMS器件参数在线修正方法。根据行人行走的特点,检测并区分行走过程中的可修正区间与不修正区间。在可修正区间基于逆向解算算法实现了对陀螺仪和加速度计零偏的在线修正,并提出了主航向反馈修正算法,提高了行人导航系统长时间导航性能。实验结果表明,40m行走实验中,系统定位精度提升了9.07%;300m行走实验中,系统定位精度提升了13.14%。     

“一箭三星”成功发射3颗技术科学试验卫星

7月20日7时37分,我国在太原卫星发射中心用长征四号丙运载火箭,以"一箭三星"方式,成功将创新三号、试验七号和实践十五号3颗技术科学试验卫星发射升空,卫星顺利进入预定轨道. 3颗卫星主要用于开展空间碎片观测和空间机械臂操作等空间维护技术科学试验.     

面向室内场景的惯性磁感应定位方法

针对卫星拒止的室内导航问题，在现有磁信标定位技术的基础上，通过分析低频旋转磁场的特点，建立了一种不受传感器姿态和磁信标磁矩信息影响的磁感应矢量夹角观测模型，并结合MEMS惯性导航的误差模型提出了一种以磁感应矢量夹角的正余弦值为量测信息的惯性磁感应动态定位方法，避免了磁传感器姿态误差和磁矩误差对定位结果的影响。利用实验室的双轴磁信标实验系统进行静态测试，验证了磁感应定位模型具有不受传感器姿态、环境中遮挡物以及磁矩影响的特点；通过数值仿真的方式对基于无迹卡尔曼滤波（UKF）的惯性磁感应定位方法进行验证，结果表明该方法能有效地抑制惯性导航的发散，且位置最大误差小于0.75 m，满足大多数室内场景下的高精度导航定位需求。     

美国地下领域无人系统发展现状及启示

随着科学技术的高速发展,地下领域(如天然洞穴网络、人造隧道和城市地下环境等)逐渐成为人类研究的热点,利用无人系统在地下等复杂场景执行探索、搜索与搜救等任务仍面临着许多挑战.深入分析了美国地下领域无人系统技术发展的模式框架,梳理了快速轻量自主、机械天线和地下挑战赛等DARPA典型研发项目的 研究目标与现状,提炼出地下领域无人系统需要解决的关键技术,在此基础上归纳总结了美国地下领域无人系统的发展趋势.最后,结合国内发展情况提出了地下领域无人系统的发展启示.     

集群多机器人系统建模研究的发展与展望

凭借高效、鲁棒、应用广泛的特性,集群多机器人系统已经成为当今研究的热点课题之一,具有重要的实用价值。首先简述了自顶而下和自底而上两种多机器人系统研究思路的当前研究概况。然后从拟生物集群系统模型引入,进而引出一致性系统模型,针对低阶、高阶、异质、时延等一致性模型进行分析总结,单独阐述了多智能体强化学习系统模型的研究情况,并分别讨论了三种集群多机器人系统自组织建模方法的研究现状与各自存在的问题,总结与分析了集群多机器人系统运动的发生机理。最后,分析了现有集群多机器人系统模型尚待解决的关键问题和面临的挑战,并对其未来发展进行了展望。