采用观测器的偏置动量小卫星姿态容错控制

针对偏置动量小卫星的自主飞行问题,提出一种基于不确定项观测器的滑模容错控制方法。应用欧拉-拉格朗日系统的干扰观测方法设计不确定项观测器,对动量轮输出力矩变小、磁力矩器线圈电阻漂移等执行器故障以及小卫星外部环境力矩等不确定项进行估计,理论推导证明该观测器的观测误差一致最终有界(UUB)。基于不确定项观测器的估计值,设计补偿控制项,并与滑模控制器的控制力矩合成实现姿态容错控制。从理论上证明该容错控制方法能够使小卫星姿态快速收敛至滑模面。该容错方法无需做小角度假设,对执行器运行状态信息依赖性低。仿真结果表明,本文建议的容错控制方法具备可行性,实现了对小卫星姿控系统中不确定项的观测估计和容错控制。     

一种星间相对状态估计方法

编队自主导航是实现分布式遥感系统星间协同观测的基础。为实现分布式遥感系统星间相对状态的精确确定,提出一种基于MEMS激光雷达与纳型星罗盘的星间相对状态估计方法。借助相对姿态、轨道运动学方程建立了星间相对状态的无迹卡尔曼滤波(UKF)算法,解决了MEMS激光雷达测量与参考航天器姿态耦合的问题,并利用预定入轨参数及高精度轨道外推(HPOP)对方法进行仿真校验。结果表明,该方法具有可行性和实用性,估计精度满足分布式遥感任务需求,能够较好解决中远距离星间相对状态估计问题。     

空间站对日定向装置半物理试验台关键技术

为有效模拟空间站对日定向装置驱动性能受柔性太阳翼的扰动,验证对日定向装置驱动控制性能,采用半物理试验技术对对日定向装置进行地面试验考核。设计超高刚度及运动误差无附加力自适应的半物理试验台,对支撑连接机构和加载单元进行有限元分析与刚度测试;建立大尺度柔性太阳翼的动力学模型,并采用Wilson θ法进行动力学模型的实时数值求解;运用跟踪微分法对对日定向装置低速运行下的角速度和角加速度进行估计;最后通过对半物理试验台的响应精度、加载有效性进行仿真和试验考核,结果表明试验台加载力矩幅值为 0~ 85 Nm、频率为0.01~3 Hz时,绝对精度优于0.85 Nm,相对精度优于1%,从而验证了半物理试验台对太阳翼扰动载荷模拟的真实有效性,可实现对日定向装置的性能测试。     

速度信息缺失的平动点轨道交会预设性能控制

以平动点轨道的交会对接为研究背景,基于高阶积分链微分器和预设性能控制理论提出了一种仅需相对位置信息的平动点轨道近程交会控制律。首先利用高阶积分链微分器估计两航天器的相对速度状态,并设计预设性能控制器使得两航天器的相对运动状态在预设的边界内渐近收敛到期望状态。然后利用李雅普诺夫函数证明相对运动状态存在扰动时控制器的稳定性。该方法为闭环控制,且与模型无关,容易在线操作。仿真结果表明,在平动点轨道航天器存在未知扰动以及导航制导等不确定的情况下,利用所提交会控制律能够实现追踪航天器与目标航天器交会任务的高精度实时控制,具有较强鲁棒性。     

对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况,研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型,设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰,设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合,采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律,通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性,同时验证了神经网络自适应滑模控制器的有效性。     

板和型材均含有裂纹的加筋板应力强度因子计算

本文应用复变应力函数和分区广义变分原理,提出了确定型材和板有裂纹的加筋板应力强度因子的计算方法。采用复变应力函数使裂纹的边界条件精确地得到满足,应用分区广义变分原理使其它边界条件近似地得到满足。本文应用加筋条为角材,其中一根角材含有边缘裂纹,板含有中心裂纹的加筋板,在垂直裂纹平面的远处受均匀拉伸载荷为例,给出了应力强度因子的计算公式。对一特定的结构参数,给出了应力强度因子随裂纹长度变化曲线。     

人工智能气动特性预测技术在火箭子级落区控制项目的应用

发展了一种基于人工智能算法的气动特性预测技术,在开展部分工况风洞试验基础上,结合少量数值仿真结果,通过机器学习模型预测全部工况气动特性.该方法能够降低研制成本,缩短周期.先后解决了相关函数选择、模型超参数训练、数据检验和"人在回路"应用等关键算法与技术问题,应用于运载火箭子级栅格舵落区控制项目气动研制,获得了设计所需完...     

认知结构模型机动目标跟踪算法

针对复杂战场中环境特性复杂以及目标机动性能提升所带来的跟踪难题,提出一种基于人类认知机制的机动目标自适应跟踪算法。算法将人类“记忆”机制引入机动模型构建,利用神经网络对目标特征参数进行离线学习并存储,指导机动模型参数实时调整,使模型对运动状态的描述更加合理。为进一步提高跟踪性能,基于人类认知“感知-行动”循环理论,将雷达接收端经数据处理后的目标状态估计信息反馈至雷达发射端,以最小感知信息熵为代价函数,从波形库中自适应选择最佳波形来匹配目标。仿真对比实验表明,该算法对环境及目标的感知更加准确,融入波形选择的自适应目标跟踪算法要明显优于传统采用固定波形的跟踪算法。     

减小双轴旋转惯导中陀螺仪随机漂移影响的方法研究

针对双轴旋转惯导惯性器件的随机误差无法在导航过程中自动进行补偿的问题,提出优化的两位置重调(TPR)的方法来补偿系统的随机误差导致的方位和位置误差,以提高双轴旋转惯导的长航时精度.与传统两位置重调(CPR)方法相比,使用优化的误差传递方程的两位置重调的方法,可以在少于6h条件下估计出系统的方位误差,从而使得系统的位置精度和方位精度都得以极大的提高.根据惯性器件的随机误差导致的方位误差的特性,建立了TPR的误差模型.通过仿真,证明了该方法的有效性.     

基于参数化有限元方法的机翼重量预测

为飞机总体设计阶段提供一种快速而较精确的机翼重量预测方法。该方法是将参数化几何建模和参数化有限元建模方法相结合,快速地建立机翼结构有限元模型。通过应用CATIA二次开发技术,实现机翼结构布置模型的自动生成;通过运用PATRAN的PCL语言,实现结构有限元模型的自动生成;通过应用优化方法,确定出结构尺寸,进而计算出机翼重量。算例表明,本方法可快速地分析不同结构布置方案和不同材料方案的机翼重量,适用于飞机总体方案设计阶段机翼重量计算。