一种长期稳定的卫星编队队形优化设计方法

 对于卫星编队飞行设计长期稳定以节省控制燃料的队形是一项非常重要的工作，本文提出了一种队形长期稳定的优化设计方法。首先利用Hill方程设计出满足任务要求的相对位置和相对速度的约束关系，以剩下的自由相对位置或相对速度作为优化变量。优化目标选择为主从星在J2摄动下的各平均轨道根数相对漂移率最小。文中的优化算法采用改进的遗传算法，遗传算法作为一种通用的全局最优随机搜索算法，在解决一些复杂问题时它还存在着过早收敛和收敛速度慢的缺陷，针对此问题，本文提出一种改进的遗传算法。仿真结果表明利用这种优化设计方法设计的队形在各种摄动力下能够长期保持稳定。     

一类不确定非线性系统的滑模PI混合模糊控制

对于一类具有不确定性扰动的非线性系统，提出了一种结合滑模控制与比例积分控制的模糊逻辑控制器。首先给出该系统稳定的充分条件，分析其稳定性，然后针对一种空间飞行器的非线性动力学模型，通过变换分解成若干个子系统，进而对每个子系统进行分散自适应控制。仿真说明此控制器对具有不确定性干扰的非线性系统有非常理想的控制效果。     

吸气式脉冲爆震发动机原理性试验研究

设计了内径分别为60、70mm的两组吸气式两相脉冲爆震发动机,在略高于常压状态下成功进行了以汽油为燃料、以空气为氧化剂的吸气式两相脉冲爆震发动机原理性试验。进气道内采用无阀的进气结构,试验中在爆震管内部安装Shchelkin螺旋来促进爆震波的生成,所测量的爆震波接近充分发展的C—J爆震波。内径60、70mm的发动机最高工作频率分别为15、20Hz。进气道内压强变化幅度在0．1MPa左右,说明所设计的进气道与爆震管匹配良好,这将为脉冲爆震发动机用于工程实际提供技术储备。     

直升机地形跟踪控制的广义预测控制方法

探讨了广义预测控制(GPC)方法应用于直升机贴地飞行时地形跟踪控制的可行性．该方法通过最小化预测跟踪误差与预测控制增量的加权二次型性能指标来产生动态系统的最优控制输入。仿真结果表明，广义预测控制方法能够有效地减小跟踪误差，从而实现精确的地形跟踪。     

RTM工艺成型复合材料树脂固化过程残余应变监测研究

提出了RTM工艺树脂固化过程残余应变布拉格光栅传感器检测新方法。通过光纤光栅波长偏移与温度和固化时间之间的关系测试,得到了树脂固化过程中残余应变的变化历程,成功实现了RTM工艺树脂固化过程中残余应变的在线监测。实验结果表明,在降温过程中,残余应变的变化与温度的变化呈线性关系,这为复合材料层合板的残余应力分析提供了实验依据。     

侧向互击型层板喷注单元的喷雾特性

对侧向互击型层板喷注单元的喷雾特性进行了试验研究。利用PDA测量了喷雾场下游典型截面上各点的液滴速度、直径、体积通量等参数。分析了喷注单元的雾化过程和喷雾特点,同时研究了混合比和喷注单元的结构参数流道截面积比、喷口宽度的影响。实验结果表明,混合比的提高有利于雾化和喷雾分布;喷注器的结构参数对雾化质量、液雾的空间分布特性具有重要影响。在喷口槽宽合适时,存在最佳的流道截面比,有利于改善雾化。对于一定的流道截面比和混合比,存在最佳的喷口尺寸使雾化质量和喷雾分布最优。结果表明,对于侧向互击型层板喷注器,通过合理的选结构参数,能够控制推进剂的雾化、空间分布和混合,实现所需要的喷雾分布。      

直升机增装旋转部件的气动影响分析

在直升机发展过程中,可能需用在机身外增加部件,该部件会持续旋转,带来了一些新的气动问题。本文采用理论分析、数值计算和仿真试验的综合方法来研究该部件旋转的气动特性。主要目的在于分析旋转产生的周期性扰动力和力矩对直升机的影响,以及为飞行控制律设计提供设计输入,即部件旋转时直升机的气动导数模型以及扰动响应。     

小型气氢气氧火箭发动机试验系统设计研究

根据小型气氢气氧火箭发动机试验工况的要求设计完成1 000 N级的气氢气氧火箭发动机试验系统.介绍了供气系统的设计过程,详细讨论了气氢气氧流量与管径的选取过程,完成了比对式推力测量装置和计算机测量与控制系统的设计,并进行系统标定及冷流验证试验.该试验系统能在不同工况下开展小型火箭发动机冷热试验研究,同时实现远程计算机监控,具有较高精度.      

直升机吊挂飞行平衡、稳定性与操纵性研究

建立带吊挂载荷的直升机飞行动力学模型,其中吊挂载荷为单点悬挂在直升机机身底部的六自由度模型,并计入了吊挂模型的气动阻力.对所建立模型进行配平,并将结果与参考数据对比.通过仿真计算分析了直升机吊挂前飞状态下的稳定性,此外,分析了在吊挂相关参数改变时直升机稳定性的相应变化,最后,分析了当施加纵向周期变距阶跃输入、横向周期变距阶跃输入以及尾桨距阶跃输入时带吊挂直升机的动力学响应历程.      

基于多智能体混合学习的多星协同动态任务规划算法(英文)

针对多星协同动态任务规划问题,以往多采用基于启发式的重规划算法,但是由于启发式策略依赖于具体任务,使得优化性受到影响。注意到协同规划的历史信息对后续协同规划的影响,本文提出了一种基于策略迭代的多智能体强化学习和迁移学习的混合学习算法求解该问题近似最优策略。本文的多智能体强化学习方法利用神经网络描述各颗卫星的强化学习策略,通过协同进化的方法迭代搜索具有最优拓扑结构和连接权重的策略神经网络个体。针对随机出现的观测任务请求导致历史学习策略失效,通过迁移学习将历史学习策略转换为当前初始策略,保证规划质量前提下加快多星协同任务规划速度。仿真实验及分析结果表明本文算法对动态随机出现的任务请求有良好的适应性。