排序方式: 共有120条查询结果,搜索用时 15 毫秒
1.
2.
组合导航可视化仿真是验证多传感器组合导航方案、算法正确性和可靠性的有效手段,可以通过曲线、图形的方式对多传感器组合导航过程进行三维直观演示。为充分验证所提出的惯性/星光/卫星多传感器组合导航系统的精度和可靠性,本文设计了基于VC++的多传感器组合导航的算法可视化仿真验证系统,采用任务分离技术分配主辅线程实现界面显示和算法运算并行工作,同时利用API函数实现高效、高速的串口传输和界面显示,提高系统的实时性。实验结果表明,本文设计的系统可以满足多传感器组合导航系统可视化仿真演示的需要,运行稳定可靠。 相似文献
3.
超声速PIV示踪粒子布撒技术研究 总被引:2,自引:0,他引:2
介绍了上海交通大学高超声速创新技术研究实验室为发展超声速PIV流场测试系统而开发的示踪粒子布撒技术。研究中设计了一套超声速风洞PIV示踪粒子布撒装置,提出了利用发生器罐体内的真空度吸入示踪粒子的加注方式,选定了测试流程时序并得到了较好的粒子布撒效果。通过比较不同的发生器罐注入压力对粒子布撒浓度的影响,得到了效果良好的测试方案。 相似文献
4.
5.
高速流动中PIV示踪粒子松弛特性研究 总被引:3,自引:0,他引:3
示踪粒子的随流能力是PIV技术在高速流动中应用的关键点之一。在上海交通大学变马赫数高速风洞中开展了PIV实验研究,重点提出一种评价示踪粒子随流能力的松弛特性分析模型。在马赫数4条件下尖锥、尖劈等模型PIV实验研究中,可以准确分析粒子的松弛特性,粒径分析结果与实验吻合较好,并验证了高速流动PIv的测试精度和示踪粒子布撒能力。 相似文献
6.
惯性/卫星组合导航开发平台的可视化仿真和实现 总被引:9,自引:0,他引:9
对惯性/卫星组合导航开发平台的可视化仿真及其实现进行了研究。该开发平台采用Visual++6.0语言进行编程,可进行实时导航动画显示,对惯性导航、GNSS及多种组合模态进行仿真运行,其结构和参数可由操作者根据实际情况选择或自行设定;特别针对不同的应用对象,可灵活地设置航迹和航路点,因此有较高的应用价值和实用意义,不失为设计组合导航系统的有力工具,在实际应用中对惯性/卫星组合导航系统研制和设计具有前瞻性和指导性。同时,模块化设计使该软件中的核心算法已方便地移植应用于实际工程组合导航系统中,收到了很好的效果。 相似文献
7.
推进系统优化控制模式研究 总被引:7,自引:4,他引:7
在不同的飞行任务段采用不同的优化控制模式,能够充分发挥发动机的性能潜力,提高飞机性能。利用机载自适应模型,使优化控制模式具有自适应能力。优化过程采用线性规划(LP)方法结合发动机的物理响应过程来解决非线性的发动机性能优化问题。文中阐述了优化控制的设计和控制算法,并进行了数字仿真试验,结果表明:在平飞加速工况下,采用最大推力模式,可提高发动机推力约10%;在亚音速巡航时,采用最小油耗模式,可节省单位油耗约2%,验证了推进系统优化控制模式的性能效益。 相似文献
8.
为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。 相似文献
9.
基于多场耦合的飞行器热环境数值分析方法研究 总被引:2,自引:0,他引:2
新一代高超声速飞行器的发展给防热设计问题带来严峻挑战。根据飞行器热环境多场耦合特性,提出了一种基于多场耦合的热环境数值分析策略,并在此基础上发展了基于Navier-Stokes方程的流场CFD分析程序,通过有效的界面数据传递算法,实现了与结构有限元热分析软件的耦合,形成了基于流场与结构耦合传热的飞行器热环境多场耦合数值分析方法。以典型圆管前缘为计算模型进行了程序验证,并对稳态和非稳态飞行环境下的流场与结构耦合传热特征和规律进行了数值分析研究。结果分析表明,该方法能够有效地刻画流场与结构之间的耦合传热特征和规律,预测和分析飞行器热环境的空间和时间分布特性,从而可为防热设计的选材和优化提供可靠的参考依据和分析手段。 相似文献
10.
无人机类脑吸引子神经网络导航技术 总被引:1,自引:0,他引:1
当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题:依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。 相似文献