先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志，飞机飞行包线的扩大已超出传统的大气数据系统测量范围，可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象，基于过失速机动飞行试验的数据，开展大气参数估计与验证研究。结合过失速机动的时间与空间特性，研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法；针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性，进一步构建深度神经网络，对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计，过失速机动过程中融合迎角误差优于2.3°，融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于GNSS测量的天宫二号质心确定

由于轨道机动燃料消耗，科学载荷加载、分离，以及伴飞小卫星在轨释放等原因引起天宫二号空间站质心(COM)发生位移，从而影响天宫二号的动力学质心定轨精度。针对这一问题，提出了基于全球导航卫星系统(GNSS)测量数据的简化动力学质心估计方法。燃料消耗是引起天宫二号质心发生位移的主要原因，质心在本体坐标系X轴方向位移最为显著。利用GNSS测量数据对天宫二号进行质心估计和精密定轨，在三轴对地稳定姿态下，本体坐标系X轴方向与轨道切向重合，定轨结果对本体坐标系X轴方向的质心位移并不敏感。但在连续偏航模式下，本体坐标系X轴在轨道法向上有较大分量，X轴方向的质心位移对基于GNSS测量计算的精密定轨结果有较大影响。定性和定量分析结果表明:偏航姿态模式下天宫二号本体坐标系X轴方向质心位移估计具有可行性。天宫二号实测数据计算结果表明:与未做质心估计的定轨结果进行对比，质心估计后表征轨道动力学建模误差的经验加速度补偿水平在轨道径向、切向和法向上分别降低62%、50%和65%；载波相位后验残差标准差降低0.04 cm；精密轨道与全球激光测距数据比较精度提高0.86 cm。所提方法可以应用于大型低轨航天器在轨质心估计。      

求解含多个右端向量非对称线性方程组的自适应块拟最小残量IOM(q)算法

许多实际应用问题需要求解含多个右端向量的大型非对称线性方程组 ,通常是把原来方程组分成单独几个含一个右端向量的方程组 ,再用某种迭代法分别单个求解 ,而更加经济有效的方法是应用能同时产生几个迭代向量的块迭代法来直接求解。本文在 IOM(q)算法的基础上 ,提出一种求解此类方程组的块拟最小残量 IOM(q)算法 ,讨论了如何收缩掉已收敛的部分方程组以及如何从产生的块 Krylov序列中删除线性相关或几乎线性相关向量的自适应技术。数值试验表明 ,此新的自适应块算法比块 GMRES算法及其他相关算法具有更好的收敛行为、更少的计算量和 CPU计算时间 ,是求解此类方程组的一种更加经济有效的算法。     

褶皱结构成形时的形状偏差计算

解决了褶皱结构成形时相邻的平行四边形平面元素之间连接区棱的修圆半径值预测问题。把毛坯模拟成薄板，定义了平行四边形平面元素的边界条件，采用能量法导出挠度和力函数的非线性微分方程组，利用积分－差分法实现其数值解，并提供计算结果和分析应力－应变场。采用的计算方法可用于研究毛坯的刚度参数和工艺参数对褶皱结构的形状影响。     

无人飞行器集群仅测距初始相对位姿确定方法研究CSCD

针对全球导航卫星系统(GNSS)拒止环境下无人飞行器集群成员间的相对定位问题,研究了一种基于机载惯性测量单元(IMU)、气压高度计与数据链测距组合的初始相对位姿求解算法。首先,在高度计稳定输出较为精确的高度信息的前提下,将飞行器的三维运动解耦成二维水平运动,给出了三维加速度和角速度、测距信息的水平坐标系投影等效模型。在此基础上,以待求量相对位置和航向角的非线性形式构造了新的待求状态量,并将相对位置和航向角的非线性求解问题转化成了新状态量的线性模型最小二乘求解问题。然后,通过引入递推最小二乘算法(RLS),建立了该相对位姿求解算法的实时输出递推形式,有效降低了机载在线计算的负载。接着,对所提算法进行了可观测性分析,并给出了使系统状态量不可观测的几种相对运动形式。最后,对所提算法进行了数值仿真实验,仿真结果表明,该算法能够有效、快速求解初始相对位姿,位置误差在初始相对距离的10%以内,航向角误差在初始相对角度的1%以内。     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

最佳STAP的FFT共轭梯度法

提出了一种解决最佳空时自适应处理问题的快速共轭梯度迭代算法。可以用FFT实现该方法，办法是利用具有干扰协方差矩阵托普利兹块（BTTB）结构的块托普利兹矩阵。因此与对矩阵求逆的方法相比显著降低了计算的复杂性。为了说明上述方法的有效性，本文给出了计算机仿真结果。