纳米TiO_2涂覆法改善PBO纤维/环氧树脂界面剪切强度

采用溶胶凝胶涂覆法对PBO纤维进行表面改性,以提高PBO纤维与环氧树脂之间的界面剪切强度(IτFSS)。将PBO纤维用纳米二氧化钛溶胶进行涂覆处理,然后经过热处理,在纤维表面形成纳米粒子,增加纤维表面粗糙度,从而提高纤维与环氧树脂之间的IτFSS。通过对不同的涂覆处理条件进行了研究,并提出了纳米粒子对提高IτFSS的"楔子"效应机理。研究发现,当纳米二氧化钛溶胶中浸渍时间为3 min,热处理时间为4 min时,PBO纤维与环氧树脂基体的IτFSS最大,其IτFSS可提高56.4%。     

基于超声模糊避障算法的移动机器人导航

提出了一种在移动机器人导航中基于多超声传感器的模糊避障算法。利用MATLAB资源设计出模糊控制器,介绍了模糊规则与非模糊化,并给出一种在VC环境下直接调用模糊控制器的方法,改变了以往需要通过查表方式实现模糊控制的模式,大幅提高二次开发能力。在仿真和真实环境下,实验结果都表明该算法有效,能够实现不同环境中的避障任务。     

纯磁控微小卫星的姿态捕获控制研究

针对纯磁控微小卫星姿态捕获问题,提出了一种基于姿态角和姿态角速度反馈的磁
矩能量控制律。利用Matrosov定理证明了该控制律具有一致渐近稳定性,能够保证星体最终
稳定到唯一的零轨道姿态角平衡位置。结合某在研低轨纳星,分析了气动力矩作用下星体大
角度姿态捕获的纯磁控性能。仿真结果表明,所设计的能量控制律具有一致渐近稳定特性,
考虑气动力矩影响时可在一个轨道周期内完成纳星姿态捕获,控制精度较高。该控制律具有
较好的工程应用前景,对于低成本微小卫星的研制是一个有益的探索。     

基于TDDM的BOC调制信号伪码同步算法的研究

BOC调制技术以其独有的裂谱特性在实现信号频段共用的基础上,不断推动着卫星导航技术的发展。然而,新的TDDM机理的应用对实现BOC调制信号伪码高效同步提出了挑战。为此,在深入研究BOC信号同步的基础上,提出了一种新的基于成功捕获比例峰值判决门限和待调整峰比约束门限的TDDM伪码同步捕获判决方法,建立了基于TDDM的BOC调制信号捕获与跟踪的伪码同步算法。进一步,通过仿真实验,验证了新的伪码同步算法的合理和有效性。     

高压离心压气机导叶流场的附面层抽吸控制研究

通过数值模拟研究了某小型涡扇发动机离心压气机的出口导叶流场特点,结合拓扑分析方法讨论了附面层抽吸对叶栅性能的影响。结果表明:原型叶栅由于展弦比较小,流动空间狭窄,各种形式的附面层分离相互掺混,恶化了整个叶栅的流动。通过附面层抽吸可以改变叶栅内的分离结构,明显减小吸力面的分离,使得流场结构趋于简单,从而减小损失、提高叶栅效率。     

时空一致性对武器系统仿真试验影响的分析

时空一致性是影响仿真试验精度的最为关键的重要因素之一。文章阐述了由于时钟不同步导致的对时间和空间理解的不一致,以及对仿真精度的影响,详细分析了时空不一致产生的各种可能因素,并以某型武器系统仿真试验为例,提出了几种实用且可行的时空一致性处理方法。     

某型民机着陆构型粘性气动力计算

采用ICEM对某型民机着陆构型进行多块结构化点对点网格剖分,运用基于N-S方程的WISE MAN PLUS软件对该构型低速粘性复杂流场进行数值模拟.在进场条件下,计算的升力和试验值误差在3.8%以内,俯仰力矩和试验误差在3.6%以内;计算与试验失速迎角差别在1°左右,最大升力系数较试验小6.3%.同时还给出了一些流场显示结果,对复杂流场进行了机理分析.计算与风洞试验结果符合较好,满足工程需要.     

高超声速飞行器气动力/热参数辨识研究综述

飞行器气动力和气动热参数辨识是高超声速飞行器设计的关键技术之一.笔者对高超声速飞行器的气动力和气动热参数辨识技术进行了综述.介绍了飞行器气动力、气动热参数辨识的基本原理与主要方法,气动力、气动热参数辨识技术在高超声速飞行器研发中的应用情况与发展趋势.同时也简要介绍了中国空气动力研究与发展中心(CARDC)在气动力和气动热参数辨识研究方面的研究概况.     

表面热流辨识技术在边界层转捩位置测量中的应用初步研究

目前工程飞行试验中主要采用近壁热电偶测温法来确定飞行器表面流动的边界层转捩位置,由于测点离表面较近,对温度传感器量程和结构强度有较高要求.为此,提出了基于表面热流辨识技术确定转捩位置的基本思想和处理方法,测点可以距离表面相对较远.但是,当测点越远离受热面,辨识问题的不适定性会越强,因此需要采用仿真辨识方法来对传感器安装位置进行合理选取.在给出二维传热模型表面热流辨识算法的基础上,对两个算例进行了仿真辨识分析.结果表明:基于表面热流辨识技术确定转捩位置是可行的,能给出较为准确的转捩区域判断.     

基于路面分割的高精度地图创建优化方法研究

高精度地图主要利用已采集图像的地面信息生成,但是在真实环境中图像的地面信息容易受动态障碍物遮挡,同时GPS难免会有抖动误差,导致地图拼接效果并不理想。针对上述问题提出了一种基于路面分割的动态障碍物去除与图像配准方法。使用深度学习对全景图像进行语义分割并提取路面信息,在去除动态障碍物干扰后,利用路面特征进行图像配准。融合GPS与里程计信息进行定位优化,利用多帧图像叠加填补空缺形成地图。最终,实验验证了该方法在去除动态障碍物的同时也提高了地图的精度。