一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

固体火箭发动机对接装配密封圈应力在线预测方法

在固体火箭发动机燃烧室和喷管对接装配过程中，为准确实时预测密封圈应力，以确保发动机的装配质量，提出了一种基于Kriging模型的密封圈对接装配应力预测方法。首先，分析装配工况，利用有限元分析方法计算出多种工况下密封圈的应力-应变；其次，使用生成对抗网络的方法扩大数据样本空间；之后，利用拉丁超立方抽样法选取一定数量的应力-应变数据构建Kriging模型；最后，根据定义的加点准则迭代优化Kriging模型，实现主动学习，由此得到密封圈应力预测的数字孪生模型。装配时，通过六自由度并联平台的力位传感器实时采集的信号数据，作为数字孪生预测模型的输入；通过实时读取模型输出，实现对接过程中的装配质量实时在线预测反馈。     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

卫星遥测数据短时CEEMDAN-PSO-ELM预测模型

针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题,提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解,以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列,依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中,与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小,在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。     

基于脉冲星联合定位模型的TOA预测模型误差修正算法

为提高脉冲星导航定位精度,修正脉冲信号到达时间的预测误差,文章提出一种基于多航天器联合观测数据的脉冲到达时间预测模型误差修正算法。该算法利用航天器和基准站之间的联合观测数据,通过相关运算测量脉冲到达时间差;通过数学推导得出航天器与基准站之间的位置关系与脉冲到达时间预测模型的关系;利用扩展卡尔曼滤波算法融合多颗不同辐射方向的脉冲星的脉冲到达时间差,实时在线修正预测模型参数误差。仿真实验结果表明,当观测时间超过100秒时,该方法可抑制脉冲信号到达时间预测模型的漂移误差。该方法可用于基于脉冲星的深空探测器自主导航系统,提高导航定位精度和脉冲信号到达时间预测精度。     

基于轨迹预测的高超声速飞行器拦截中/末制导研究

针对因高超声速飞行器全程飞行速度快且具较强的机动能力,导致中末制导需用过载超出可用过载,采用传统制导律难以满足拦截需求的问题,对一种基于虚拟目标的高超声速飞行器轨迹拦截方法进行了研究。基于目标Singer运动学模型和量测模型,用扩展卡尔曼滤波(EKF)估计目标运动信息,将预测命中时刻目标运动轨迹作为虚拟目标点,考虑拦截交会角约束,采用针对虚拟目标的中制导拦截策略,在末制导段采用比例修正制导。通过随距离可变的末制导过渡段指令,以避免中末制导弹道交班的过载抖动。仿真结果表明:基于虚拟目标点高超声速目标拦截能有效减小末端弹目交会角同时降低需用过载。为降低中制导误差,可在拦截过程中实时更新一次虚拟目标的预测结果。该法可用于高超声速飞行器拦截,以及其他大机动目标的轨迹预测和拦截。     

空间电源数字孪生系统

数字孪生系统是一种详细描述现实系统的数字化模拟系统,基于虚拟空间中的模型理解、预测、优化和控制现实系统,与现实系统具有实时性、同步进化性和交互性。为满足未来空间飞行器智能化、高机动性、多目标任务的特点,需要提升空间电源系统智能化监测管理能力。本文分析了空间电源数字孪生系统的构成要素,从数字孪生模型构建、新型传感技术以及数据驱动原理出发,构建数字孪生系统。依据天上-地面-数字空间各1套电源系统的原则,实现对空间电源荷电状态、电源健康状态等性能进行精准状态诊断和预测并优化控制策略,在保证飞行器任务实现的前提下提高电源系统的可靠性。     

吸气式高超声速飞行器机体推进控制一体化建模方法研究

针对吸气式高超声速飞行器气动力、气动热、结构、推进、飞行轨迹以及姿态之间的多物理场强耦合给飞行控制系统设计带来的问题,提出一种适用于此类飞行器机体/推进/控制一体化设计的建模方法.首先,依据类乘波体高超声速飞行器基本外形参数体系设计飞行器的三维外形;然后在飞行器流场分析的基础上,给出飞行控制系统需要满足的姿态约束条件,并采用一套完整的工程预测方法建立了适合进行飞行控制一体化设计的气动力/推力耦合模型;最后基于拉格朗日方程推导了一体化弹性体动力学模型.模型算例验证了该方法在吸气式高超声速飞行器机体/推进/控制一体化设计中的可行性.     

基于RVM的液体火箭发动机试验台故障预测方法

液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题,通过预测相关参数在试验台运行过程中的变化趋势,可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模,提出了一种相关向量机(relevancevector machine,RVM)故障预测模型。在模型的训练阶段,根据数据序列的特征,分别采用单参量、相空间重构和多参量的方法进行了模型的训练,然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明,该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。     

预测区间技术在航天器数据处理中的理论与应用研究

面对航天领域收集到的大量遥测数据,对其整理、分析就需要运用统计的手段,采用了基于统计推断学的区间参数估计理论的预测区间技术,对传统的模型趋势预测研究进行了拓展.通过对航天数据及其预测模型的深入分析,把握其内在的统计规律,建立了模型预测与区间估计理论相结合的预测区间模型,给出未来数据在一定置信度下的变化区间.最后,将该技术应用于航天器数据预测实例分析,验证了该方法的有效性.     

一种基于飞行任务的临近空间短距滑翔飞行器弹道预示方法

针对临近空间短距滑翔飞行器机动模式多变、弹道参数变化剧烈等特点,本文设计了一种基于变结构交互式多模型滤波的轨迹预测方法.该方法基于飞行任务结合自适应网格构建时变的机动模型集,解决机动模式多变的问题.通过引入渐消因子、修正Markov概率转移矩阵,提出一种变结构交互式多模型方法辨识机动模型特征参数.最后通过更新机动模型中...     

升力式飞行器集结轨迹实时规划方法

针对升力式飞行器在强干扰环境下集结的问题，提出一种可达时间快速计算方法以及集结轨迹规划方法。在满足平衡滑翔条件的前提下，提出能量航程剖面上最快到达与最慢到达对应的两种轨迹模式，推导了两种轨迹满足的条件，基于双层牛顿割线法，构建一种可达时间实时求解方法，形成了升力式飞行器集结轨迹实时规划方法。仿真结果表明，提出的集结轨迹规划方法能够完成未知强干扰作用下升力式飞行器的实时集结轨迹规划。     

预测区间技术在航天器数据处理中的理论与应用研究

面对航天领域收集到的大量遥测数据，对其整理、分析就需要运用统计的手段，采用了基于统计推断学的区间参数估计理论的预测区间技术，对传统的模型趋势预测研究进行了拓展。通过对航天数据及其预测模型的深入分析，把握其内在的统计规律，建立了模型预测与区间估计理论相结合的预测区间模型，给出未来数据在一定置信度下的变化区间。最后，将该技术应用于航天器数据预测实例分析，验证了该方法的有效性。     

考虑阻力加速度的再入预测-校正制导算法

提出了一种基于阻力加速度的预测-校正制导方法,首先通过对阻力加速度走廊插值获取阻力加速度剖面模型,并基于该模型进行数值轨迹预测。然后根据两次预测结果近似求出阻力加速度与航程的关系,实时校正阻力加速度,消除航程偏差。同时对攻角进行调整,消除高度误差。横向制导通过校正倾侧角翻转时机实现。与传统的迭代预测校正制导算法相比,论文的制导算法同时校正纵向运动和横向运动,提升了飞行器的再入制导能力。每一次校正只需两次弹道预测,减少了制导的计算量。另外,采用插值的阻力加速度剖面对过程约束具有更强的处理能力。通过打靶仿真验证,论文的制导算法具有较高的制导精度和鲁棒性。     

远程操控飞行器自适应神经网络观测器设计

针对无人飞行器远程操控系统设计时,由于远程操控飞行器动力学的非线性和飞行器控制系统性能的不确定性,无法精确建立远程操控飞行器控制系统模型的问题,提出了一种自适应神经网络状态观测器设计方法实现对远程操控飞行器的控制系统模型的估计。首先将飞行器的动力学环节与自动驾驶仪构成的闭环回路作为一个整体建立了远程操控飞行器控制系统的非线性模型。然后针对模型中存在未建模动态的问题,采用神经网络算法对非线性动力学模型进行在线辨识,并引入鲁棒项对附加扰动进行抑制。最后设计自适应律对神经网络的权值进行实时调整,保证了系统的稳定性,并基于Lyapunov理论证明了观测器的估计误差是最终一致有界的。仿真结果表明,所设计的观测器能够保证远程操控飞行器在存在未建模动态和附加扰动的情况下对飞行状态具有良好的估计性能。     

基于ABC-BP神经网络的航空发动机滑油金属含量预测

为有效监测发动机滑油状态,本文建立基于ABC-BP神经网络的滑油金属含量预测模型。在参数的初始化阶段,人工蜂群的适应度为BP神经网络的误差函数,神经网络的阈值和权值选定为适应度最优的一组参数。通过实验仿真对民航实际数据进行研究,实验表明模型预测效果理想,为实现健康管理和故障预测奠定基础。     

微小型飞行器目标自主追踪方法研究

针对微小型飞行器自主独立完成对运动目标实时动态追踪的问题,本文提出一种新型目标自主追踪方法。该方法基于欧拉法的改进方法预测—校正法预测运动目标实时运动状态和位置,而后采用比例导引和速度追踪的联合方法实现快速接近追踪目标、精确调整运动状态及稳定跟踪目标3个步骤,完成运动目标的自主实时追踪。将其应用于目标追踪过程中,在仿真步长为0.25s时,算法追踪位置误差小于0.025m。可见利用这种新型方法能够有效实现对运动目标完全自主的实时稳定跟踪与探测。     

实时嵌入式软件系统测试需求建模研究

使用形式化语言构建测试需求模型,有助于提高系统测试的自动化程度.UML状态图具有形式化特征,适合复杂系统详细行为的描述.本文基于面向对象思想,以状态图为核心技术,结合类图,提出了一种适合实时嵌入式软件的系统测试需求建模方法.该方法对被测软件系统的静态结构和动态行为进行建模,能清晰、完整地描述测试输入信息,包括前置条件、接口数据、激励事件、过程描述、后置状态等.并通过相关的建模机制实现了对实时性、并发性、时序性及数据反馈等约束特征的描述.基于该方法生成的需求模型,结合一定的测试用例生成策略,可以自动生成测试用例.作为示例,本文结合该方法对某飞行器控制功能进行建模,模型具有简洁、直观、易用的特点.     

基于双树复小波分解的云量时间序列模型预测

针对传统云量预测模型应用于高分辨率卫星影像云量时间序列数据时存在的实用性差、拟合效果差及预测结果准确度低的问题,提出了一种基于双树复小波分解的云量时间序列组合模型预测方法。该方法利用DT-CWT分解的方法提取出云量时间序列的低频趋势信息和高频随机信息,对低频和高频序列分别应用时间序列分析与Elman神经网络的预测方法,然后将两个序列的预测结果重构得到最终的云量预测结果。实验结果表明,应用双树复小波分解的低频信息可以更好的反应云量变化趋势,高频信息也可以更好的保留云量变化的随机信息。该方法预测结果的平均绝对误差和均方根误差相比传统预测模型均有所减小,预测准确度有所提高,能够更好的拟合高分辨率卫星云量时间序列的变化规律。在卫星成像任务规划时将云量预测的结果作为参考信息,选择云量覆盖较小的时间窗口,可以获取更高品质的卫星有效成像数据。     

基于过程神经网络的热平衡温度预测研究

为缩短航天器热平衡试验周期，以降低航天器研制成本，提出了一种基于过程神经网络的热平衡温度预测模型。为简化该模型的学习过程，提出了一种基于正交基函数展开的基本学习算法，利用基函数的正交性不仅可以简化模型中的时间累积运算过程，而且能提高模型对解决实际问题的适应性。同时，为增强模型的外推预测能力，在基本学习算法的基础上给出了一种基于新增样本的学习算法，使模型既能对新增样本进行快速学习又不损失对原有样本的记忆。实际应用表明，该预测模型能够利用某型号卫星热平衡试验中某监测点进入稳定工况后40小时内的试验数据提前42．5—68小时获得该监测点的极限热平衡温度。