大型柔性空间结构的状态估计及变结构控制

本文研究大型柔性空间结构作单轴大角度操纵时的状态估计及变结构控制方法。所建立指数律的状态观测器,实现了以较少传感器估计系统弹性振动模态的目的。利用状态观测器的状态及系统输出变量反馈方法,设计了大型空间结构的动态输出变结构控制律。针对一个实际模型仿真计算,得到了满意的结果。     

1983年2月3日双带耀斑爆发事件的综合分析

本文在统一模型的考虑下,对1983年2月3日太阳3B级Hα双带耀斑和共生的爆发事件进行了综合分析研究.探讨了其中主要的共生辐射的物理过程和内在联系,并讨论了Ⅲ型、Ⅳ型和微波射电爆发源的非热电子束流对产生Hα双带耀斑和硬X射线爆发所起的重要作用.     

成形极限曲线（FLC）的新概念

失稳理论是FLC的理论基础。文章论述了FLC理论研究中存在的问题。指出:一般出厂板的表面状况不会影响板料的集中失稳;板内损伤平面应变时最严重。双拉时,板内损伤的积累、发展,导致应力状态向平面应变漂移;拉压时,载荷失稳后引起的双拉,也会导致平面应变。因此平面应变状态的出现是板料集中失稳的共同原因。在此基础上提出了建立FLC的统一的模型。     

无力场的触发重联和太阳耀斑

采用多步隐格式,对在瞬间形成的电流片的触发下的高剪切无力场的磁重联过程进行了数值模拟。磁重联首先在交界面处的非中性电流片区出现,然后向无力场区蔓延。在磁重联过程中,在无力场区形成一高温环状结构,物质向光球层流动。在高温环内侧的新喷发场区,物质向上流动。磁重联主要集中在初始电流片外侧的高剪切无力场区,高温环顶部的温度最高,位置基本固定。在磁重联的过程中,剪切磁场分量的空间梯度减小,无力场因子下降。     

综合飞行轨迹指令跟踪控制器设计

运用多重尺度奇异摄动理论，结合动态逆解耦理论和动态平衡点邻区域优化线性化系统的优化解耦控制律理论，研究了战术任务综合飞行管理系统的综合飞行轨迹指令跟踪控制器系统化设计方法。对Ｆ－１５飞机，设计了综合飞行轨迹跟踪控制器。数字仿真结果表明，设计的跟踪控制器能够控制飞机精确跟踪不同时标集的飞行指令。     

一种基于立体标定件的双摄像机外参数标定法

对于应用于现场测量的立体视觉测量系统,两摄像机间的外参数标定是保证系统测量准确度的重要环节之一。介绍了一种利用立体标定件实现系统外参数标定的方法,其特点是只要两摄像机同时拍摄一幅标定件图像,利用标定件上的球形特征点与其成像点之间的共线性约束建立共线性标定方程组,通过Levenberg-Mar-quardt迭代优化算法分别确定两摄像机与世界坐标系的关系,最后利用世界坐标系作为中介,将两摄像机间的外参数求出。同传统标定方法相比,该方法简单、快捷,鲁棒性好,可用于现场标定。     

SiCp/Al超声椭圆振动车削力热特性仿真研究

SiC_p/Al复合材料在航空航天、精密仪器等诸多领域发挥重要作用,但是其在加工中会出现较高的切削力和切削温度,从而降低其车削加工表面质量和精度。为探究超声椭圆振动作用及车削工艺参数对SiC_p/Al车削的影响,在ABAQUS中建立了SiC_p/Al超声椭圆振动有限元车削仿真模型,优化了SiC_p/Al微观几何建模方法,对车削模型进行验证并开展车削仿真试验研究。试验结果表明,超声椭圆振动车削可有效减少亚表面损伤、表面裂纹等缺陷。通过变切速和变切深单因素试验,发现随着切削速度和切削深度增加,普通和超声车削主切削力和切削温度均增大,超声椭圆振动技术可有效降低SiC_p/Al车削过程的主切削力和切削温度。在所选参数中,切深100μm、切速200mm/s时超声作用降低切削力作用最大;切深20μm、切速600 mm/s时超声作用降低切削温度作用最大。     

某型机载悬挂发射装置气管断裂问题分析

针对某型机载悬挂发射装置振动试验气管断裂故障,通过改进产品充气管路结构、优化零件安装支撑方式、改进上接口工装气路模拟接口的结构设计,实现了气路组件振动响应的减小,并经振动试验验证其力学性能满足产品要求。经仿真理论分析计算,改进方案产品振动应力大幅减小,充气功能正常,试验后气密性检查合格,验证了纠正措施的有效性。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。