周向单槽机匣处理调控高压涡轮叶尖泄漏流的数值研究

为了验证周向单槽机匣处理调控高压涡轮叶尖泄漏流的效果，本文在GE-E³高压涡轮第一级的机匣上引入周向单槽式机匣处理，通过数值模拟手段研究了周向单槽的轴向位置、槽宽和槽深对叶尖泄漏流调控的影响及周向单槽调控叶尖泄漏流的物理机制。结果表明：周向单槽的引入虽然会使叶尖泄漏涡尺寸变大，但会显著降低叶尖泄漏涡及机匣通道涡的强度，使得涡轮转子通道内流动总损失降低，涡轮级效率提高。在设计工况下获得的最优结构参数的周向单槽，可以使涡轮转子通道内的流动损失相对减小9.10%，涡轮转子的效率提高0.40%，级效率提高0.85%。同时发现设计工况下获得的最优结构参数的周向单槽结构，在非设计工况时也有良好的控制效果。     

MIMO窄带加宽带非高斯随机振动试验

提出了一种用于多输入多输出窄带加宽带非高斯随机振动试验方法。首先，详细分析了随机相位与非高斯随机信号偏度和峭度的关系，提出了一种可用于快速生成具有指定偏度和峭度的迭代相位调节法。其次，根据控制通道之间的耦合关系，利用各通道之间随机相位的不相关特性，实现了多通道非高斯随机信号生成的解耦。然后，将生成的非高斯随机信号作为参考输出响应，采用时域逆系统方法生成驱动信号，并利用控制算法分别对响应信号的功率谱、偏度和峭度进行控制。最后，通过三轴向振动台试验验证了本文提出的多输入多输出窄带加宽带非高斯随机振动试验方法的可行性。结果表明，控制点上加速度的功率谱被控制在了±3 dB的容差限内，满足预设的容差要求。同时，时域响应信号的峭度和偏度也满足给定的参考要求。     

300 MVA脉冲发电机组滑差方式起动过程研究

介绍了300 MVA脉冲发电机组的滑差装置。对机组采取滑差方式的起动过程进行了分析和等效建模。根据机组实际起动过程电气波形,利用非线性规划模型,建立了滑差装置液体电阻等效仿真模型,并代入机组参数对起动过程进行仿真,仿真结果和实际波形吻合,验证了模型的正确性。在此基础上,为了使机组的转速达到额定转速,提出在滑差装置液体电阻低位时并入两级固体金属电阻后短接的方案,给出了两级固体金属电阻的阻值等理论参数,并通过仿真验证了方案的可行性。建立的仿真模型可以作为研究不同参数、不同控制策略下的机组起动过程动态特性的重要工具。     

一种主动悬架式火星车稳定裕度优化控制策略

针对火星车在非结构化环境下行驶存在的稳定性不足而导致倾覆的风险，提出针对一种六轮主动悬架式火星车的稳定裕度优化控制方法。首先，考虑了火星车悬架机构调整过程中车轮与接触地面滑移和侧倾等运动关系，建立和完善了六轮主动悬架式火星车行驶的运动学模型。然后，以火星车夹角调整机构角度为变量，推导火星车在非结构环境下的稳定裕度模型。之后，使用内点法求解火星车稳定裕度的最优解，并获得期望的夹角调整机构关节角度。在此基础上，对夹角调整机构的关节角度进行规划和控制，实现火星车悬架机构构型的调整，从而提高火星车在非结构化环境下行驶的稳定裕度。最后，对火星车稳定裕度优化控制策略的有效性进行仿真验证，结果表明，所提出的控制方法可有效提高火星车在非结构化环境下行驶的稳定裕度。     

ORB-SLAM系统优化框架分析概述

首先阐述了ORB-SLAM系统的核心思想和基本框架,介绍了SLAM系统中光束平差法的应用实现,然后针对视觉里程计部分不同的关键帧位姿优化过程分别进行了详细阐述,并利用KITTI数据集的不同序列的实验结果进行比较研究,给出了核心的光束平差法在ORB-SLAM中的具体工作方式及性能分析,最后讨论和分析了ORB-SLAM的优势和不足。     

基于特征建模的空间非合作目标姿态智能测量方法

为实现空间非合作目标姿态的测量，基于特征建模的思想，提出了一种根据目标激光点云数据进行高效处理的智能测姿态方法.首先，针对空间目标姿态测量的需求，寻找并实现能够高效表征目标姿态的点云数据特征.接着，应用神经网络的方法对目标点云姿态特征进行学习，通过建立合理的神经网络模型和训练数据，实现目标点云特征与姿态间非线性映射关系的建立.最后，利用目标点云仿真数据集，对方法的测量精度和测量实时性进行了评估.实验结果表明：利用特征建模的思想，提出并建立目标点云姿态协方差矩阵特征，实现了点云数据在表征目标姿态方面的信息高度压缩，为神经网络模型的轻量化设计和计算资源严重受限的在轨应用，提供了可行的智能化工程实现方案.     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器，采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度。通过状态滤波器和参数滤波器的配合，提升滤波精度，完成运动状态和参数的估计，从而实现合作目标的运动轨迹跟踪。与合作航天器相比，非合作航天器存在大小未知、发生时刻未知的机动，无法获得加速度，且信息获取和运动状态的估计难度大。针对非合作航天器，基于简化的相对运动方程，结合天基平台获得目标的观测信息，采用两个扩展卡尔曼滤波(EKF)及基于半正焦弦的机动检测策略实现多未知脉冲机动的运动状态的估计。仿真结果表明：相比于无迹卡尔曼滤波（UKF），DUKF在对合作航天器的状态和加速度估计方面具有更快的收敛速度和更高的滤波精度；对于存在未知机动的非合作航天器，通过对比验证机动检测策略与滤波器切换策略相结合的方法的有效性，该方法能够检测到多次机动并且减少误判。     

脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响，设计了两步卡尔曼滤波（TSKF）算法。首先，介绍了脉冲星方位误差估计的传统模型，并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次，在传统的估计模型中加入了钟差和卫星位置误差，并将钟差和钟差变化率增广为新的状态量，从而推导出包含2种误差的新模型，并证明了该模型的完全可观测性；根据该模型并按照两步卡尔曼滤波原理，得到了TSKF算法的步骤。最后，通过仿真表明:在钟差和卫星位置误差同时影响下，传统脉冲星方位误差估计算法偏差较大且发散；TSKF算法则能够有效隔离2种误差的影响，使赤经和赤纬误差估计达到0.2 mas之内的精度。      

考虑噪声抑制的高超声速风洞气动力识别方法

对于风洞试验中全尺寸模型试验的非平稳信号进行载荷辨识仍存在诸多问题。针对全尺度模型试验的非平稳信号载荷辨识提出了一种基于深度残差收缩网络（DRSN）深度学习技术的智能载荷辨识方法，该方法通过深度学习提取测力系统输出数据中的气动力、惯性力和噪声等特征，通过注意力机制对每组数据进行获取阈值，再通过软阈值函数对特征进行滤波降噪，有效辨识出测力系统响应信号中的惯性力分量并进行剔除，实现气动力载荷辨识。在测试验证中，均值法的辨识精度为85%以上，DRSN模型的辨识精度为94%以上，证明DRSN模型能有效降低噪声和惯性力对于载荷辨识的干扰，用于非平稳信号的载荷辨识具有精度高、可靠性好等特点。