一种基于EPLL技术的自适应正交解调技术研究

针对过零检测实现的全数字锁相环不仅锁相速度慢, 而且过零点的扰动会 直接影响锁相精度以及适合模拟电路实现的相干解调技术,在数字电路中实现则需要设 计高阶数字低通滤波器,将占用大量数字电路资源并且会显著增加系统功耗等问题,在 设计一种新型全数字锁相环(All-digital Enhanced Phase-lock Loop,EPLL)的基础上,结合自 适应正交解调技术,提出了一种基于EPLL 技术的自适应正交解调技术方案,并对该方 案进行了研究与仿真。仿真得到了满意的结果,验证了基于EPLL 技术的自适应正交解 调技术方案的可行性,并研究验证了算法的参数变化对其性能的影响,为今后算法在数 字系统中的实现以及其在各领域的应用研究奠定了坚实的基础。     

自适应遥测信道速率的分包遥测调度方案

在卫星分包遥测静态分配适应单一遥测信道的方案基础上,提出了一种改进型动态自适应遥测信道速率的遥测分包方法,将包传输的控制参数由绝对参数优化为相对参数,从而满足不同信道速率、不同包源速率下的包传输适应性.该方法通过将遥测包周期计数与遥测包静态分配的传输周期的比值作为遥测包传输等待迫切比例系数,用相对的传输迫切比例系数值对全部遥测包进行排序,从大到小组入遥测信道下传.通过这种遥测包调度策略解决了遥测信道速率变换对包传输控制的影响.此外通过调节遥测包传输比例系数也能很好地解决遥测包数据率变化对信道传输的适应能力的影响,如数据率增加时整体降低包传输频率、数据率减少时整体加快包传输频率.     

基于卫星和星敏感器的冗余激光惯组在轨标定

采用高精度卫星导航速度、位置信息以及星敏感器提供的姿态信息设计十表冗余捷联惯组的标定模型,包含陀螺和加速度计的零次项和标度因数,对卫星和星敏感器辅助的冗余激光陀螺捷联惯组进行实时在轨标定.利用标准Kalman滤波和Sage-Husa自适应滤波作为估计算法,对十表冗余捷联惯组参数进行在线估计.数值仿真结果表明:参数标定精度均在7％以内,是一种实时的在轨标定方法,满足误差补偿要求.冗余惯组在轨标定方法为航天器高精度定姿和定轨提供了一种理论参考.     

1种发动机自适应模型的修正方法

为解决由于工艺落后和性能衰退所导致的发动机模型与实际发动机失配的问题,从而达到视情维修的目的,建立了1种基于遗传算法的自适应模型修正方法.利用遗传算法高效率的全局搜索能力,以发动机性能参数为目标,优化部件参数,实现了模型的修正,并通过分析发动机性能参数对部件参数的敏感性,研究了选取不同组合的待修正部件参数对模型修正精度的影响.结果表明:采用该修正方法所建立的发动机模型准确性高、鲁棒性强,且具有良好的通用性,为发动机的健康管理和故障诊断提供了重要依据,具有很好的军事和工程应用价值.     

民用飞机试飞阶段人为因素适航审定技术研究

随着飞机各系统可靠性的不断提高,人为失误逐渐成为系统失效或造成飞行事故的主要因素,已成为设计及适航审定部门关注的重难点问题.当前国内外对于如何验证人为因素是否满足相关适航条款的要求仍处于理论探索阶段.针对上述问题,基于CCAR-25部条款分析试飞阶段民用飞机人为因素适航审定过程,包括基于SHELL模型及T.E.S.T矩阵的人为因素审定条款筛选,基于MOC5&MOC6的试验机符合性验证方法,并基于模糊评判方法给出数据分析实例.本文提出的人为因素适航审定思路及验证方法具有一定创新性,已在试飞阶段ARJ21-700飞机上初步应用,可为后续C919等民用飞机人为因素设计和适航审定提供技术支持和方法保证.     

基于代理模型的二元收扩喷管流道型面优化设计

在二元收扩（2D-CD）喷管设计参数对喷管气动性能影响研究的基础上,以获得尽可能高的喷管推力系数为目标,以喉道宽高比、喉道型面半径比、收敛半角和扩张半角为设计变量,对二元收扩喷管的流道型面进行了优化设计。设计过程中,利用正交试验设计方法确定初始样本点,建立喷管推力系数与设计参数间的Kriging代理模型,采用自适应模拟退火算法（ASA）对代理模型进行分析求解。结果表明,二元收扩喷管的优化型面参数为:喉道宽高比为6,喉道型面半径比为0.3,收敛半角为15°,扩张半角为5.64°,此时最大推力系数为0.97847,流量系数为0.98778.      

具有全向推力矢量的六旋翼无人机设计与建模

针对常规旋翼飞行器飞行速度小和加速飞行时不能保持机体水平姿态等问题,提出了一种具有全向推力矢量的六旋翼无人机设计方案;分析了推力矢量六旋翼在可倾转旋翼结构倾转不同角度时的飞行模式;建立了推力矢量六旋翼的动力学模型,并针对动力学模型设计了PID控制器;最后对动力学模型进行数值仿真验证.结果表明,所设计的推力矢量六旋翼能够悬停,且可以在定速飞行中保持飞行器的水平姿态.     

基于改进无模型自适应算法的涡扇发动机限制保护控制方法

针对发动机限制保护控制问题,提出了一种基于数据驱动的改进无模型自适应限制保护控制方法。以主回路闭环系统为设计对象,通过在常规无模型自适应控制律的准则函数中增加误差变化率,使超限保护系统具有更快的响应速度,给出了改进后系统的稳定性条件,并采用临界比例度法进行了控制器参数整定。仿真结果表明:在不同工作点,所设计的改进无模型自适应限制保护控制器相比常规无模型自适应限制保护控制器,最大超限平均减小2.97%,响应时间平均缩短2.30s,实现了发动机超限后的迅速回调,保证了发动机系统的安全运行。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。