航天飞行器结构应力腐蚀基因解析及应用

应力腐蚀(SCC)是一种易引起航天飞行器结构无征兆事故的多因素耦合作用失效类型。为厘清SCC机理,文章从基因角度解析SCC的应力因子和微观因素,探索SCC基因测取方法和无SCC事故内涵。分析表明,SCC应力基因位于远低于σ_S的量值区间,其微观基因包括溶解阳极、氢、电负性离子、滑移位错、钝化膜和晶体取向,可采用多尺寸断裂形貌、化学浓度、电位/电流、应力/应变等参数测取SCC基因组态和SCC敏感性。基于SCC基因分析,航天飞行器结构设计寿命内无SCC事故原则应包括合理设计、精准评价和正确失效分析三部分。     

基于气体放电的高超声速激波结构显示技术

基于气体放电辐射强度与气体密度的相关性，在高超声速脉冲风洞FD-20中搭建了气体放电流场显示系统，并分别以平板模型、平板-方块模型和简化进气道模型为试验模型，在来流马赫数Ma=12.16、来流静压p≈106Pa的流场条件下开展气体放电流场显示技术研究。在平板实验中，气体放电方法较准确地观测到了电极之间的平板前缘激波结构，与纹影技术测得激波角相差仅为0.21°。在平板-方块实验中，气体放电方法观测到了2个截面（对称面和远离对称面截面）的激波结构，对称面波系结构与纹影和数值计算所得结果基本一致，远离对称面截面的波系结构与数值计算结果基本一致。在简化进气道实验中，气体放电方法观测到了内流道激波交叉形成的菱形结构，且尺寸与数值计算结果相差较小，约为7.9%。这些实验结果表明，在高超声速脉冲风洞中，采用气体放电方法可以获得清晰准确的激波结构，不仅可进行分截面激波结构观测，还可对被模型遮挡的内部区域激波结构进行显示，而且特别适合用于局部复杂流动波系结构的观测。     

高超声速飞行器再入段LQR自抗扰控制方法设计

针对高超声速飞行器(HSV)再入过程中强非线性、强耦合、气动参数变化剧烈的不确定性的特点，提出一种基于线性二次型调节器(LQR)和自抗扰控制(ADRC)的高超声速飞行器再入段的姿态控制方法。首先，建立高超声速飞行器再入段线性化模型，并采用LQR方法完成了状态反馈控制律设计。然后，结合自抗扰控制技术，设计了扩张状态观测器(ESO)对系统的模型不确定性和外部干扰进行补偿，大幅增强了系统的扰动抑制能力。最后，将得到的高超声速飞行器再入段LQR自抗扰姿态控制器(LQRADRC)应用于高超声速飞行器六自由度仿真，仿真结果表明本文所提出的控制方法能够快速、精确地跟踪角位置指令，并且对系统不确定性具有强鲁棒性。     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法，具有较为灵活的并行化跟踪方式，能够较好地维持跟踪目标的假设状态，具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段，但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器，实现视频图像中的飞行器跟踪，跟踪图像存在跟踪滞后、画面抖动等现象，跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法，建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪，在识别和跟踪的基础上建立云台控制模型，通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据，检验飞行器目标的跟踪效果。     

气膜孔形状对高超声速飞行器对撞流气膜冷却效果的影响

文章通过仿真分析手段研究飞行高度50 km、飞行马赫数15的飞行条件下,不同孔型对对撞流的影响,得到不同孔型对气膜冷却效果的影响规律。采用计算流体动力学(CFD)方法,对在入口压力0.5 MPa、质量流量22.5 g/s的稳定短模态(SPM)工作模态下,气膜孔为圆柱直孔、收缩孔、连续扩张孔、分段扩张孔等工况开展对比研究,结果显示,扩张孔气膜冷却的壁面热流最大,圆柱孔的次之,收缩孔的最小。这表明,通过改变对撞流气膜孔的形状可以改变气流流动特性,进而产生不同的气膜冷却效果,在SPM工作模态下收缩孔的气膜冷却效果最好。     

基于SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中，轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点，提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上，将HGV的机动运动分解为纵向运动模式和侧向运动模式，进而对运动模式的特征参数予以标定，形成SVM的训练集。建立地基单雷达轨迹跟踪模型，采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM，建立了HGV运动识别框架，实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证，结果表明，所提方法可以提高对该类目标的轨迹预报精度。      

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题，应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题，提出单网络积分型强化学习（SNIRL）算法进行求解，该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构，只需要采用评价网络估计值函数就可以求得最优控制律，其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器，并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高，收敛速度更快，并校验了自适应最优姿态控制器的有效性 。