一种利用角动量进行电推力矢量标定的算法

航天器上越来越多地使用电推进进行轨道修正,电推力器的配置安装和使用方式决定了电推进的调整策略,大多数情况下在轨卫星都需要进行电推力矢量的标定和调整。针对国内某类型地球静止轨道卫星,提出一种利用在轨电推力器工作时引起的星体角动量变化来进行电推力矢量标定及调整的算法,同时给出了国内首次在轨电推力矢量标定及调整的应用实例。在轨标定结果表明算法正确可行,该算法为在轨卫星电推标定和调整提供了一种解决方案。     

轴流压气机引气后流场的数值模拟

选取了NASA Stage 35作为算例进行压气机引气数值模拟研究.通过对比验证了网格无关性和计算的准确性,应用两种数值实现方法分别进行圆孔和槽引气计算,两种数值方法的结果基本吻合.进行了两种引气方式（即圆孔和槽）的对比.结果表明:槽引气转子出口总压损失小,效果好于圆孔引气.应用NUMECA软件自带引气模块操作简单,容易实现.绘制引气管路网格增加了流道网格绘制的难度和计算边界条件设置的复杂度,但更加符合压气机实际的引气情况.引气后压气机效率 流量曲线整体上移,总压比 流量曲线下降,失速裕度有较大提升.      

基于长短时记忆神经网络(LSTM)的钟差预报算法

原子钟钟差预报在原子时计算和原子钟频率驾驭中发挥着重要的作用。长短时记忆神经网络（LSTM）预报算法能够处理多参数长期依赖关系的时间序列预报，以氢钟和铯钟实测数据为样本，通过构建LSTM钟差预报模型，降低了长期原子钟内部噪声以及原子钟漂移对钟差预报的影响，并以72h，240h和720h为预报时长，分别与线性多项式模型、灰色模型和Kalman模型原子钟钟差预报模型进行预报误差对比。研究表明，在240h以上的预报时长中，LSTM建模长期依赖关系的优势得以体现，相较于其他3类模型可以获得更高的预报精度。