圆柱-球体三自由度超声电机及其控制

研制了一种一阶纵振和二阶弯振模态组合的圆柱-球体三自由度超声电机。研究了其中两个自由度的运动轨迹跟踪控制策略,并将其应用于电机样机的控制。其中,运转速度的控制采用激励电压幅值调节法,针对位置控制提出了两种运动轨迹控制策略一种是逐点比较控制,另一种是矢量分解控制。本文提出了调节激励电压幅值的3种脉冲宽度调制(PWM)方法,对这些方法作了比较,并通过一系列实验得到验证。结果表明当改变激励电压幅值时,保持3个振动模态的相位差不变和激励电压信号不失真,是简化控制过程、提高控制性能的关键;矢量控制法效果较好,并有轨迹跟踪误差小、运动平稳和噪声小等优点。     

布撒器雷达截面计算与测量

用物理光学法计算了布撒器的雷达截面,并与外场测量结果进行了比较。计算的RCS～θ曲线与测量的RCS～θ曲线变化趋势相同,在典型方向上的计算结果与测量结果比较吻合。表明镜面回波在强度上占绝对优势的目标RCS计算中,物理光学法可以给出工程上可用的结果。     

视觉测试系统校准装置耦合补偿控制

本校准装置是用来校准用于测试火箭喷管三维运动的视觉系统,为其提供标准的静态和动态运动参数.基于动量矩定理和欧拉动力学方程,推导出了双轴摆动的非线性耦合动力学模型,分析了轴间转动惯量耦合、速度耦合及力矩耦合作用规律.通过SIMULINK仿真验证模型参考自适应系统有效地补偿了耦合力矩的扰动.提高了联动时内框轴的速率精度.     

增材制造复杂金属构件表面抛光技术

增材制造可以满足航空航天领域对零件的高复杂性、高性能、轻量化以及多功能化的要求,但其制造复杂金属零件时在综合性能、表面质量和成形精度上仍然存在不足,必须经过表面抛光处理才能达到航空航天零件高使役性要求。通过综合国内外文献资料,详细介绍了化学抛光、电解抛光、磨粒流抛光和激光抛光这4种可达性较强的表面抛光技术的原理方法以及应用现状,接着分析了增材制造技术和表面抛光技术的发展趋势,最后进行了总结和展望。提出增材制造与表面抛光工艺相结合的工艺优化思想,并指出研制绿色智能的一体化技术装备是当前面临的重大挑战。     

三维进气道湍流流场数值模拟

结合实验数据,采用有限容积法,对超音速S形进气道三维湍流流场进行了数值模拟,分析了0°攻角、10°攻角、10°侧滑角三种工况下机头激波对入口气流的影响、进气道入口激波分布和进气道出口压力分布情况.计算结果表明:0°攻角和10°攻角时,机头激波对入口气流影响不大,出口气流总压分布相对均匀,且高压区面积较大;而10°侧滑角时,受机头激波的影响,进气道前方出现小范围的低压区,且出口气流低压区较大.     

航天器天基测控技术仿真研究

天基测控技术是航天测控系统的发展方向，是弥补地基（陆基＋海基）测控系统缺陷、缓解地基测控资源紧张的有效办法。本文提出了基于“北斗一号”系统的航天器天基测控技术仿真方法，设计并建立了相应的仿真系统。基于建立的仿真系统、按照设计的仿真方法对航天器天基测控技术进行了全面仿真。仿真结果表明，基于“北斗一号”系统的天基测控技术可行，性能指标可以满足中低轨道航天器实际测控需要。     

高超声速发动机碳氢燃料预冷器换热特性

将预冷过程引入高超声速涡轮发动机可以降低进入压气机的空气温度,提高可用增压比,增加发动机推力。为研究预冷器热力性能变化规律,对预冷器的结构形式和换热形式进行了分析,建立了以高热沉碳氢燃料为冷源的渐开线型预冷器分段热力计算模型,指出冷热流体均经历大温度变化的预冷器必须分段进行热力计算。研究了燃油流量、空气出口温度、预冷器结构参数等因素对预冷器热力性能的影响,得出结论：由于微细换热管数量达到数万量级,管内流动层流占比较大;燃油流量增加时,预冷器冷却能力增强且重量减轻,但吸热后的燃油不一定能全部用于燃烧,造成推力浪费;降低空气出口温度有助于提升发动机推力性能,但会造成预冷器重量增加和空气压力损失增大;管束横纵向间距均为1.5倍管径时,顺排相比于叉排排列,空气侧对流换热能力差,预冷器重量和空气压降均较大;管束横纵向间距对预冷器热力性能有较复杂影响。研究结论可为未来相似结构管束式预冷器的设计、验证和性能分析提供支撑。     

μp在智能仪器中的应用

本文介绍了八位μp(微处理器)控制的智能仪表—“音频分析仪”中输入频率自动调谐的技术。这种技术是μp 在智能化仪表中实现自动检测的功能之一,也是μp 软硬件的一种综合应用。本文重点介绍μp 控制的陷波滤波器电路,简述了它的设计思想和工作原理。并给出了实现整个自动调谐功能的程序流程图。     

成对多组斜孔座标测量法研究

本文介绍了用西德 OPTON 厂生产的 UMM500三卒标测量机测量直径φ1.0mm 以上的成对多组斜孔的方法,实现了用接触式测头对内圆表面的自动测量.     

运载火箭推力下降故障下的在线弹道重构方法

针对运载火箭推力下降故障下难以实现在线弹道重构的问题,提出了一种基于神经网络的剩余运载能力估计及程序角重构的算法。以线下基于工程实践的弹道优化方法生成的故障状态下最优弹道作为学习样本,针对程序角曲线的特点,分别使用不同学习方式学习一级飞行段程序角和其他飞行段程序角;分析不同超参数对神经网络训练过程的影响,利用随机搜索法选取超参数。该算法使用以神经网络为核心的机器学习思想,用基于数据的方式避免了因运载火箭动力学模型复杂而无法在线快速求解最优弹道的问题,能够解决大气环境下弹道重构的难题。仿真结果表明,该算法对剩余运载能力估计准确,重构程序角与最优弹道相比误差小,运算速度相比其他方法优势明显。