多目标融合的冗余空间机械臂碰前轨迹优化

面向在轨对接与装配任务,提出了多目标融合的冗余度空间机械臂碰前轨迹优化方法。通过分析任务特点,阐述了空间机械臂碰前的多重任务目标。针对由空间机械臂连续轨迹跟踪、碰撞姿态控制及碰撞冲量幅值优化三个目标组成的第一类任务,通过设置任务优先级融合多目标并采用基于主任务零空间的方法实现对碰前轨迹的优化;而对由空间机械臂点到点规划、碰撞姿态控制及碰撞冲量幅值优化三个目标组成的第二类任务,通过设置任务权重将多目标融合并采用遗传算法对碰前轨迹进行优化。以典型七自由度机械臂为例开展仿真实验,验证了提出的轨迹优化方法的有效性。     

柔性绳网动力学建模与天地差异性分析

采用有限元模型研究了柔性绳网系统的动力学特性。针对空间绳网直接弹射展开方式,首先将绳网离散为若干单元,各单元处理为非线性“半阻尼弹簧”模型,然后分别计算各单元所受气动力和重力,最终建立绳网系统多柔体动力学模型。基于所建立的动力学模型分别对柔性绳网在地面和太空展开的动力学过程进行了仿真分析,研究了绳网在展开面积、空间位形和飞行距离等方面的天地差异性及其动力学机理,为未来空间绳网系统的分析设计提供理论参考。     

Evaluation Method for Projects of Product Conceptual Design

概念设计方案的评价方法是设计过程可接受性决策的重要依据 .利用模糊数学的理论与方法把各种模糊信息数值化以对概念产品方案进行定量评价 ,通过建立设计方案评价体系及不同评价指标隶属度、考虑不同指标权重的方法 ,给出了产品概念设计方案的综合模糊评价方法 ,从而为产品概念设计提供一种形式化的、科学化的推理决策依据 ,同时也为产品设计过程自动化打下良好基础     

不同地面条件重装空投气囊着陆缓冲过程数值分析

刚性地面假设的重型装备空投的数值结果无法准确模拟空投的着陆姿态,需使用土壤地面对空投的缓冲性能进行研究。使用LS-DYNA有限元仿真软件对土壤地面和刚性地面下空投的着陆缓冲性能进行对比,研究刚性地面的适用条件;并研究土壤地面下不同横向风速对空投着陆缓冲性能的影响。结果表明:空投竖直冲击地面时,两种地面下货物的最大过载差异很小,而在横风条件下前倾冲击时过载差异很大,故在横风条件下需采用土壤地面进行数值分析;土壤地面下横向风速、初始竖向速度越大,竖向峰值过载越大。     

用进化算法求解轨道转移的时间-能量优化问题

随着航天任务需求的多样化，对航天器轨道转移问题不但提出了最省燃料的要求，而且提出了最小时间的要求，这篇文章用进化算法解决了这一组合优化问题，仿真结果证明了算法的有效性。     

嵌入式大气数据测量系统技术研究进展

针对高超声速飞行器大气数据测量问题，对嵌入式大气数据测量系统(FADS)技术研究背景、发展历程、国内外研究现状等进行了概括。重点围绕FADS关键技术、FADS解算算法及面向FADS/INS组合测量系统信息融合算法方面，对FADS技术进行了深入的剖析。最后，展望了FADS技术未来的发展方向及应用前景。     

拦截大气层内机动目标的自适应积分滑模制导律

针对大气层内机动目标拦截的末制导问题,提出了一种自适应积分滑模制导律。基于抑制弹目视线旋转的原则,设计了一种视线转率收敛速率可调的跟踪剖面,选取跟踪误差与其积分为状态变量,采用状态有限时间收敛的积分滑模面与快速趋近律推导得到了积分滑模制导律。为了处理未知的目标机动项,提出了一种自适应算法,对目标机动项上界的平方进行估计,构成了自适应积分滑模制导律,并证明了其有限时间收敛的特性,给出了各状态变量的收敛域。最后,将制导律转换成适用于大气层内拦截的形式。仿真结果表明,所提制导律能够精确拦截机动目标,剖面跟踪误差收敛速度快,过载分布均匀,能量消耗少,并具有良好的噪声特性,易于工程实现。     

一氧化氮冷却率的变化及其作用

利用最新的NO经验公式,计算了近两个太阳活动周期100-200km间NO的冷却率,研究了太阳和地磁活动对NO和O冷却率的影响。进一步证明了NO冷却是120km以上热层的主要冷却过程。      

某离心式喷嘴雾化特性及优化设计研究

喷嘴结构参数、喷油压降和燃油物性对喷嘴雾化特性具有重要影响。采用数值计算和试验手段研究某离心式喷嘴航空煤油和0#柴油雾化特性及差异性,并讨论喷嘴内部流动和喷嘴结构参数对雾化特性的影响。结果表明:数值计算与试验值存在差异,但雾化锥角、流量系数等随压力变化的趋势一致,验证了流体体积函数(VOF)追踪油气两相界面的正确性;喷嘴内部气、液相的涡是内部流动不稳定和气液面波动的原因;几何结构参数对喷嘴雾化特性影响明显;优化后的喷嘴结构,流量系数和雾化锥角分别增大了0.15和0.16倍,而喷嘴出口液膜厚度减小了0.53倍,明显改善了该喷嘴的雾化质量。     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。