洗出滤波算法在飞行模拟器中的应用

介绍了六自由度运动平台的洗出滤波算法及其在飞行器地面滑跑阶段的实现。根据飞行仿真模块的输出,通过坐标变换、比例限制、信号洗出和滤波等,形成运动平台的驱动信号。该算法在不增加系统硬件的前提下,充分利用液压缸现有行程,逼真地模拟飞机俯仰、滚转、偏航、升降、纵向和侧向平移运动。     

高血压鉴别诊断专家系统HEDDS的不精确推理算法

本文在分析著名的医学专家系统MYCIN不精确推理算法的基础上,提出了一种易于在微型计算机上实现的简便有效的不精确推理算法,并就其一些性质进行了讨论。     

二维跨音速流动计算的显式多步有限面积方法

本文按Jameson等的思路,采用新的人工粘性项系数,建立显式多步有限面积方法,给出绕NACA0012翼型和RAE2822翼型跨音速流动的计算结果。     

成组技术中计算机辅助零件分类方法的探讨

成组技术是有效实现CAD/CAM的基础之一,是提高多品种、中小批量生产水平的重要手段。本文提出了在成组技术中应用模糊数学理论进行计算机辅助零件分类的新方法,并对回转零件进行了分类试验,取得了满意的结果。采用这种方法,不需要对零件进行编码,可以对零件相似性进行定量分析,使得零件分类更具有柔性,为成组技术中零件分类提供了新的方法。     

高职院校移动学习资源的设计

基于移动学习资源应用现状,结合移动学习相关理论与技术,在高职院校课程的移动学习资源开发上,构建了移动学习资源开发的基本模型,设计了移动学习资源开发标准和原则,并以"民航机场地面服务"课程为例,详述了高职院校移动学习资源的设计与实施.     

循环电载荷下大功率LED金引线疲劳断裂寿命预测

随着大功率发光二极管（LED）在照明领域的普及与广泛应用,可靠性逐渐成为研究的重点。大功率LED封装器件中金引线疲劳断裂失效一直是制约其可靠性的重要因素。通过针对大功率LED封装器件中的金引线力学仿真与功率循环试验相结合的方法,首先确定循环电载荷条件下该型LED的主要失效原因为金引线疲劳断裂,其次提出基于电流加速模型的加速因子提取方法和基于应变幅值的Coffin-Manson解析寿命预测方法,最终完成对LED金引线疲劳断裂寿命的预测和试验验证。研究结果表明:所提方法具有较高的寿命预测精度,可以满足大功率LED封装器件可靠性快速、准确评估的要求。      

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

月面上升的轨迹优化与参数分析

面向月球采样返回任务分析需求,对月面上升段的轨迹优化及燃料消耗影响因素进行了研究。基于上升器运动模型,建立以燃料消耗最优为目标考虑入轨约束的轨迹优化模型,通过Gauss伪谱法和序列二次规划求解上升过程最优推力方向。改变运动模型中的初始推重比、入轨约束中的目标轨道参数,根据轨迹优化结果得到对应的燃料消耗,分析了这些因素对上升器燃料消耗的影响。针对上升器非共面起飞的问题,提出了上升偏航、升交点调整、倾角调整3种方案,从燃料消耗的角度分析了各方案的适用情况,为未来工程应用提供参考。     

超静超稳卫星碰振动力学建模

针对分离式卫星载荷模块(PM)受到扰动时可能与服务模块(SM)发生碰撞的问题，综合音圈电机反电动势(back-EMF)和柔性线缆动力学的效应，基于牛顿欧拉法建立了分离式卫星(DFP)载荷模块动力学模型。基于Hertz接触理论，推导了分离式卫星碰撞过程中连续接触力模型，并分析了碰撞过程中产生的接触力对载荷模块指向精度和指向稳定度的影响。数值仿真结果表明，碰撞使得载荷模块指向精度和指向稳定度下降5个数量级，碰撞后载荷模块可再次恢复到超静超稳工作状态，恢复时间超过1400 s。本文建立的碰撞模型对研究分离式卫星碰撞规避和碰撞控制具有重要意义。     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。