滚控式变质心飞行器动力学特性分析与控制

为明确滚控式变质心飞行器的控制机理,为其工程实践提供相应的理论参考,建立包含滑块运动的滚控式变质心飞行器七自由度完整动力学模型,并分析讨论其运动特性以及动力学系统的特点。其次结合频域分析法对滑块运动与载体姿态运动之间的耦合影响以及动态响应过程进行分析研究,揭示了滚控式飞行器的控制机理。同时针对其通道间的耦合效应以及执行机构参数设置对控制能力的影响分析提出了对飞行器结构设计和控制系统设计的相关要求,为滚控式变质心飞行器的工程实践提供一些理论参考。     

空间细胞机器人面向桁架在轨攀爬步态分析

面向空间在轨装配维修过程中的攀爬移动问题,基于空间细胞机器人(CSR)理念,提出连接细胞、转动细胞、末端执行细胞三种基本细胞单元。利用图论和拓扑学原理,在关联矩阵的基础上进行改进得到一种细胞迁移矩阵,直观准确地表达细胞机器人任意构型,以及不同节点之间的组织迁移过程。考虑桁架应用环境和细胞机器人自身的特点,划分出三种广义双杆攀爬工况,能够覆盖所有桁架攀爬任务需求。利用基于旋量理论的指数积公式进行不失一般性运动学分析。基于一致性、重复性以及无干涉原则,针对每种攀爬工况提出相应的攀爬步态,进行数值仿真分析,对比不同步态细胞机器人的关节力矩、能耗以及末端轨迹所占据工作空间等参数。仿真结果对空间机器人在轨攀爬路径规划以及控制方式的研究具有重要理论意义和工程价值。     

非线性预测控制在巡航导弹地形跟踪中的应用

建立了巡航导弹的非线性动力学模型,针对该模型的非线性连续预测控制方法,提出了预测跟踪误差和跟踪误差线性组合的性能指标,通过使性能指标最小,产生了巡航导弹地形跟踪的最优非线性反馈控制器,通过对虚拟地形的跟踪验证了控制器的性能,结果表明,该控制器不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

Effects of microgravity on muscular explosive power of the lower limbs in humans

The maximal explosive power of the lower limbs of one astronaut has been measured before launch, and 2, 6 and 11 days after re-entry from 31 days on the MIR Station (EUROMIR '94). The subject, sitting on the carriage-seat of a Multipurpose Ergometer-Dynamometer (MED) constructed ad hoc in our laboratory, pushed maximally with both feet on two force platforms (knees angle 110 degrees). The carriage was free to move backwards on two rails inclined 20 degrees upwards. The force (F) of the lower limbs and the speed of the carriage (v) were recorded and the instantaneous mechanical power (w) was calculated as w = F * v. The average value of the mechanical power (w max) throughout the explosive effort was then obtained. The overall duration of the push was on the average about 0.3 s. It was observed that, at day R+2, mean force, maximal velocity, maximal power (mean and peak), maximal acceleration and overall mechanical work, were all reduced between 60 and 80% of pre-flight values. However, the recovery was remarkably fast, since all these parameters attained about 90% of pre-flight values by day R+11.