航天器编队飞行轨道构型研究

通过研究航天器编队飞行轨道动力学和推力控制,提出编队飞行轨道构型有自然式、强迫式和混合式三类,并对每类都举例说明若干种典型构型,以及构型如何建造与所需燃料,文章总共提出14种典型轨道构型,这些构型可供今后编队飞行应用参考。     

基于集对分析的区域安全分析研究

区域安全性分析可用来确定系统各区域及整个系统存在的危险。利用集对分析方法对民机区域内含危险源的系统进行风险排序,然后有针对性的及时对设计采取必要的措施,以支持区域安全性设计。最后,给出了后附件舱区域分析实例,从而证明了本文方法的有效性。     

某航空发动机喘振控制系统设计与验证

针对航空发动机易出现喘振误报、误判和消喘失败等问题,对某单轴带核心机驱动风扇（CDFS）的航空发动机对比分析不同的测点位置、信号处理、消喘控制逻辑设计下的消喘效果,并在高空模拟试验台上进行燃油阶跃逼喘验证。结果表明,测点2的A值脉动幅值是测点1的4倍,采用的硬件判喘准确率达到100%,制定的燃油阶跃供油控制方法可成功实现发动机逼喘,制定的消喘控制逻辑可成功使发动机退出喘振并恢复到目前状态。     

基于非欧式距离的可能性C-均值聚类

改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(A lternative improved possib ilistic C-means,A IPCM),并给出了该模型的具体实现算法。A IPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类。仿真实验表明,A IPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率。     

经济转轨国家证券市场的发展及对我国的启示

在经济体制改革、政府政策推动及完善金融体系等因素的促动下，经济转轨国家相继都恢复或成立了证券市场。这相对于计划经济条件下的证券市场不存在或欠发达状态有了实质性的进步，但基础设施建设落后、法律法规不完善、市场发展不均衡等问题影响并制约其进一步发展。对上述问题的研究给处于发展中的中国证券市场。恰好提供了一种参考和启示。     

空气系统双腔模型的压力动态特性分析

当发动机突然加速或发生突发失效时,空气系统在短时间内由容腔效应和管道流体惯性所形成的压力波动将对某些空气系统零部件产生负面影响。在经过验证的模块化瞬态空气系统仿真程序的基础上,分析了双腔模型的管道不同部位和容腔的压力变化。重点考虑了关键元件的尺寸对压力变化的影响规律。结果表明,此瞬变过程中出现的压力波动与空气系统的几何结构尺寸密切相关。此模型分析方法可以作为研究整机空气系统瞬变过程的基础。     

平均相对运动方程及其在卫星编队构型维持中的应用

针对近地轨道卫星相对运动过程中的周期变化特性,利用轨道周期平均方法给出了平均相对运动方程,并在此基础上设计了两种编队构型维持策略.首先,推导出以轨道根数差分表示的平均相对运动方程,该方程能有效消除相对运动的周期性变化.其次,针对大气阻力摄动和J2项摄动,利用轨道平均根数的线性化递推公式,给出了平均相对运动轨迹的预报方程,通过事先预报编队飞行的平均轨迹,为编队构型设计和保持控制提供参考依据.最后通过数学仿真对两种编队构型维持策略进行了验证.     

微机PCI总线接口的研究与设计

首先介绍了PCI总线的特点。然后介绍了目前实现微机PCI总线接口可采用的一些方法以及这些方法各自的优缺点。最后根据作者的实践 ,给出了用CPLD自行设计PCI总线接口时硬件及软件方面应注意的一些问题。     

强瞬变空气系统的模块化仿真建模

提出一种针对强瞬变空气系统的模块化建模方法,该方法将空气系统模型分解为由规范接口互联的4类基本元件,并考虑了空气系统强瞬变过程中容腔效应和气体惯性力的耦合影响.基于面向对象的技术开发了仿真程序,并使用公开的数据对模型进行验证.结果表明:该仿真模型能够正确模拟空气系统强瞬变过程中的局部逆流、压力波传导、多容腔耦合振荡等毫秒时间量级物理现象,不仅如此,其模块化的设计特征也为进一步耦合精细的空气系统元件和建立复杂空气系统网络奠定了基础,该模块化仿真方法在航空发动机空气系统的复杂动态响应特性和机理的研究中具有切实应用前景.      

基于GSP仿真和SDAE的航空发动机故障诊断

为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。