基于本征正交分解的叶片碰摩系统降阶方法

针对叶片碰摩响应求解问题,提出了采用本征正交分解进行动力学降阶的方法。通过对快照矩阵进行本征正交分解生成投影子空间,将系统动力学方程投影到子空间进行模型降阶,并结合数值积分方法进行了碰摩响应求解。基于降阶模型分析了不同转速及侵入量参数下的叶片碰摩响应,并与全阶模型进行了对比。结果表明:降阶模型的时域响应幅值偏差小于5%,计算效率了提升98.4%;通过改变叶片转速、侵入量参数验证了降阶模型的鲁棒性,并且发现随着转速、侵入量的增加,本征正交模态能量在低阶与高阶之间发生转移,并呈现出不同的传递规律,由转速引起的模态能量转移与结构的固有频率存在一定关系。该方法及结论可为叶片碰摩分析及故障诊断提供依据。      

空间机器人深度学习识别捕获部位的应用探讨

针对空间机器人对捕获部位识别方法的普适性、实时性和准确性等要求，提出了采用深度学习方法对空间机器人捕获目标的特征部位进行识别。通过比较分析方法、数据驱动方法等传统识别方法和深度学习方法的优缺点，发现深度学习方法对于解决空间机器人捕获部位识别问题具有显著优势。进一步分析了应用深度学习方法解决捕获部位识别问题的几个关键技术问题，为后续空间机器人在轨捕获目标的研究与实践提供了新的思路。