脉冲等离子体推力器羽流特性数值研究

以脉冲等离子体推力器羽流为研究对象,建立三维物理模型,简化并离散电子动量方程,运用单元粒子-直接模拟蒙特卡罗混合法模拟非稳态羽流流动.假定脉冲周期内推进剂粒子按正弦规律进入流场,分析流场中电势、电子、离子和原子数密度分布随着时间变化情况,并通过与已有实验数据的对比验证仿真模型.研究表明:模型能在垂直和平行于推力器极板的两个平面内预测等离子体羽流流场参数.该研究方法、结果对更深入研究脉冲等离子体推力器(PPT)羽流具有参考价值.      

振梁加速度计温度误差模型及补偿技术研究

研究了振梁加速度计温度误差建模及补偿问题。分析了振梁加速度计受温度影响的主要因素,应用最小二乘算法得到零偏、标度因数与温度的多项式拟合关系,进而得到振梁加速度计的温度误差模型。利用该误差模型进行温度补偿。结果表明：经过温度建模和补偿,振梁加速度计精度有明显的提高。     

惯性/星光/卫星组合导航系统可视化仿真研究及实现

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。     

捷联惯性测量系统中陀螺仪线性度分段补偿方法研究

某型小型化捷联惯性测量系统的陀螺仪线性度在不同角速率下差异较大,提高精度需要修改硬件。本文在硬件不变的情况下,提出了一种分段补偿的软件设计方法,即在不同的速率点采取不同的标度因数。试验数据表明,补偿后的陀螺仪线性度得到提高,达到指标要求,证明此方法是有效的。     

基于FEM的惯导系统电磁屏蔽效能仿真分析

机箱电磁屏蔽效能的优劣影响惯导系统的电磁兼容性能,而孔缝是造成电磁泄露的重要原因。本文运用FEM分析计算软件Ansoft HFSS,分析了缝隙的形状和不同组合对机箱屏蔽效能和谐振频率的影响,提出了改进措施提高屏蔽效能。并对惯导系统电子设备机箱的设计进行了比较,为选择屏蔽效能较好的设计提供了依据。     

光纤惯性测量组件的误差标定改进算法及实现

对光纤惯性测量单元的误差标定方法进行了研究,提出了一种十二位置标定算法。分析了算法的基本原理,介绍了标定的流程。与传统的标定方法相比,新方法在不降低标定精度的前提下无需对北向进行定位,而且仅需单轴转台。在该算法的基础上利用LabVIEW软件构建了一套IMU误差智能测试平台,实现了对惯性元件安装误差、标度因数误差、零偏以及陀螺标度因数非线性度的自动标定,避免了手动标定时繁琐的操作,具有较强的工程应用价值。     

用于微小型GNC系统的电气单元集成一体化及信息快速处理技术

微小型导航、制导与控制（MGNC）集成一体化电气单元需要采集和处理的数据量较多,且算法复杂,本文采用流水线与高速串行总线技术,实现了集成一体化电气单元电路的多路、实时、同步采样。并对GNC软件中组合导航算法的Kalman滤波器进行了降维处理,车载导航试验表明该设计方法可有效提高组合导航软件的实时性与智能性,为最终提高GNC软件运行速度和效率创造了条件。     

冲角变化对涡轮叶栅内间隙流动的影响

航空发动机涡轮工作效率的损失很大程度在于涡轮叶尖间隙损失,而叶尖区域泄漏流动的形成机理强烈地依赖于叶栅的运行工况,因此有必要研究来流冲角的变化对涡轮叶栅内间隙流动的影响。为此在低速风洞中对三套不同叶片积迭线形状的矩形叶栅进行了实验,测量了间隙内以及沿流动方向8个横截面的气动参数。通过对实验结果的分析和讨论,认为随着冲角的增加叶顶压差与端壁流道横向压力梯度增大,同时叶栅的总流动损失也随之增加。     

冲角变化对涡轮静叶栅流场的影响

为了研究亚临界600MW汽轮机高压第九级静叶原型和改型叶栅的变冲角气动特性,对两套环形叶栅在0°和±10°冲角下在哈尔滨工业大学能源科学与工程学院的低速环形风洞中进行了对比实验研究。实验结果表明,冲角变化仅影响改型和原型叶栅流道前半部分的横向压力梯度,对流道后半部分的流动影响不大;与原型叶栅相比较,改型叶栅不仅降低了流动损失,而且比原型叶栅具有更好的变冲角特性。     

外弹道节省参数的抗差估计

基于天基和地基测量的融合估计是高精度外弹道参数估计的发展趋势。然而在这些测量数据中,普遍存在粗差和模型偏差,直接影响参数的估计精度。针对此问题,本文结合双星定位系统、地面光学和雷达的联合测量,建立了基于抗差估计方法的外弹道节省参数估计模型,给出了算法流程和步骤。仿真表明,该算法确实能有效降低粗差和模型偏差对估计精度的影响,相比传统的节省参数估计方法,该算法确实有效。