涡扇发动机最小红外特征模式性能寻优控制研究

为抑制涡扇发动机排气系统的红外特征,提出一种基于红外预测模型的最小红外特征模式性能寻优控制。首先,建立一种排气系统正后向红外辐射强度简化预测模型,该预测方法考虑了排气系统内高温部件和尾喷流的红外辐射,以及尾喷流对高温部件红外辐射的吸收作用,具有可信的仿真精度;其次,基于涡扇发动机部件级实时仿真模型,增加了从外涵引气冷却中心锥和尾喷管扩张段内壁的冷却结构和红外预测模块;最后,基于该模型探索了最小红外特征模式的优化原理,并选用可行序列二次规划(FSQP)算法,通过控制高温壁面冷却气的流量,主燃烧室的燃油量以及尾喷管喉道面积,对两个亚声速巡航状态的工作点进行实时优化。仿真结果表明:在满足发动机推力恒定以及其他约束条件的前提下,发动机通过最小红外特征模式性能寻优控制,其排气系统后向红外辐射下降了30%以上,红外抑制效果显著。     

基于自适应谱峰搜索的脉冲重复间隔最大似然估计

高精度的脉冲重复间隔（PRI）估计对于提高现代电子情报（ELINT）系统的辐射源识别能力具有重要意义。将观测的脉冲到达时间（TOA）序列建模成点过程信号,其周期图谱谱峰就对应于PRI的最大似然估计（MLE）。本文提出了一个“两步数值搜索”策略,可以确保搜索到谱峰而达到MLE。仿真表明,在低信噪比以及高脉冲丢失率条件下,本文算法性能远超已有算法。     

基于MEDLL的分级搜索抗多径算法

以多径估计延迟锁定环路(MEDLL)为代表的参量式基带抗多径算法以其能够同时估计直达信号和多径信号各参数而受到广泛关注,然而该类算法估计精度的提高是以计算复杂度的增加为代价的。为了在保证估计精度的同时降低资源消耗并加快搜索速度,提出了一种MEDLL最大似然(ML)估计搜索方法,将粗搜索后得到的参数估计值作为下一级搜索的先验信息,缩小搜索范围后减小搜索步进,完成逐级精细的参数估计。推导了原始MEDLL及树状分级结构的MEDLL(T-MEDLL)算法计算复杂度表达式;其中在存在一路多径信号的情况下,对于0.01 chip的多径延迟分辨率,复杂度可以降低为传统盲搜索的30%~50%。进一步基于自研的数字中频(IF)GPS信号模拟器和软件GPS接收机平台对不同多径情况下盲搜索法与分级搜索算法的参数估计精度及码伪距多径误差等性能进行了对比,验证了更低计算复杂度的T-MEDLL可以达到与传统MEDLL算法同样的跟踪精度。      

一种基于CFD的叶轮机非定常气动力组合建模方法

为了获得一个准确高效的非定常空气动力学模型并将其应用于叶轮机叶片颤振特性分析中去,论文发展了一种基于CFD方法的叶轮机非定常气动力组合建模方法,可以快速计算叶轮机叶片在等相角差振动时的气动阻尼系数。运用小扰动流场的叠加原理,通过不同通道数模型的非定常流场求解(通常需要两次或三次),针对流场的周期性边界条件,组合分析得到一系列更多通道数情况下的非定常气动力低阶模型。基于这种降阶模型计算的气动阻尼系数与直接的CFD方法计算结果吻合很好,计算效率提高10倍以上。     

燃油系统汽液比计算方法

汽液比是直升机燃油系统设计的重要参数之一。对于正常燃油及宽馏份燃油,因其空气溶解系数及真实蒸汽压力的差别,导致计算方法的不同。针对两种不同类型燃油的特性,给出了不同的计算公式,以及汽液比计算公式中参数的确定方法、使用限制。     

激光推力器材料耐热性能的数值分析

推力器是激光推进的重要部件,推力器材料的选择需要充分考虑其承受强激光辐射后的耐热性能,避免被熔化破坏。基于激光辐照一维加热熔化模型,提出了高精度和快速的温度场计算方法,研究了强激光辐照推力器材料时的熔化时间,材料表面及内部温度场分布,进一步提出了材料优选的原则:低激光吸收率、高热传导率。以部分典型材料为实例,对耐热性能进行了对比分析,并给出了较好的推力器材料。     

一种改进的IMU加表标定模型及快速标定方法

针对MEMS产品工程应用的需求,提出了一种改进的IMU加表标定模型,更清晰地分离出与安装误差有关的投影关系阵以及与器件误差有关的刻度转化阵。并且,在此模型的基础上给出了不需转台的快速标定方法。投影关系阵不变,该方法减少了观测量,只需6位置来估计加速度计的零位和标度因数,同时进行了现场误差补偿。     

临近空间浮升一体化飞行器气动布局研究

以数值模拟为手段,对临近空间飞行器典型的气动布局进行了大量的计算和评估分析,对不同的气动外形进行了多方面的对比研究.结果表明,在不同的速度范围内,各气动布局外形具有不同的气动和浮升特性,不同飞行速度的飞行器在选择气动布局形式方面存在很大差别,为浮升一体飞行器的选型设计提供了一种指导.     

基于卷积神经网络的深度学习流场特征识别及应用进展

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络（CNN）强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考。     

日地L2点航天器编队的分布式自主相对导航

为了实现航天器编队在日地L2点轨道的高精度相对导航,设计了一种分布式的自主导航方法。首先通过信息交互形成局部的测量构型,每颗卫星只基于邻居间的测量进行状态估计,降低了状态维数和计算量;然后根据相互估计的结果进行信息融合,提升估计的精度。在此基础上,对仿真结果进行了定量分析,给出了影响最终估计误差的主要因素测距精度、测量点间的基线与导航精度间的经验公式。在数值仿真中,所提方法达到了厘米量级定位精度和毫米每秒的测速精度。仿真结果表明：该方法有效,且对工程应用具有一定的参考价值。