SINS基于非线性量测的大失准角初始对准算法

针对陆用捷联惯导系统(SINS)大失准角初始对准问题,提出一种基于二阶非线性量测的二阶泰勒级数展开的初始对准算法。首先,将大失准角非线性对准问题,转化为具有线性系统方程和二阶非线性量测方程的滤波问题。然后,设计基于二阶非线性量测方程的二阶泰勒级数展开的滤波算法,可以在任意姿态和无初值条件下进行初始对准和参数估计。最后进行车载对准试验,结果表明,新算法可以在300s内完成实现大失准角初始对准,对准精度与传统分段对准算法相当。     

电机控制及配电系统备件优化配置

为了提高舰船电力系统的运行安全性和设计科学性,研究了舰船电力系统电机控制及配电系统的备件设置对电力系统脆弱性的影响。提出了综合考虑降低费用、重量、体积等约束条件,以多尺度综合脆弱度范数最小与资源消耗规模最小为双目标的优化模型;根据满足率的要求确定舰船电力系统电机控制及配电系统的初始备件配置方案,再利用边际优化方法得到最优备件配置方案。实现在网络结构不变的前提下,通过合理配置节点元件备件数量,达到提高舰船电力系统健壮性的目的。最后以复杂环形舰船电力系统为例对模型及算法进行了验证。     

SE(3)上航天器姿轨耦合固定时间容错控制

针对相对运动航天器姿轨一体化控制问题,考虑执行器故障和控制输入饱和的影响,提出了一种基于滑模的模糊自适应固定时间容错控制方法。首先,在李群SE（3）的框架下建立并推导相对运动航天器姿轨一体化误差动力学模型;其次,引入执行器故障和控制输入饱和的问题,采用双幂次快速终端滑模面,并结合模糊自适应方法设计了固定时间稳定的容错控制器,可以实现执行器故障情况下相对运动航天器的高精度快速跟踪控制;然后,运用Lyapunov方法证明了系统的稳定性,该控制器不仅能不依赖于系统的初始状态实现滑模趋近和到达阶段的固定时间稳定性,而且由于采用模糊逼近方法结合自适应更新策略可以实时高精度地估计系统的总扰动信息,因此可以达到快速高精度的容错控制目标;最后,对所提出的的控制方法进行数值仿真分析,结果验证了该方法的有效性和可行性。     

近距离航天器相对轨道的鲁棒自适应控制

针对近距离航天器的相对轨道提出了一种鲁棒自适应控制律。在追踪星本体坐标系中考虑航天器的相对运动。首先,在转动惯量未知的情形下提出了自适应控制律,保证系统的全局渐近稳定性。其次,将两星地心引力加速度之差作为干扰加速度,并假设干扰有未知上界,对自适应控制律进行修正,提出了鲁棒自适应律,使得系统是全局一致最终有界稳定的。控制律的设计不需要绝对轨道信息,适用于任意轨道。对航天器编队飞行和空间交会两种情形分别进行了仿真分析,结果表明所设计的控制律是合理有效的。     

基于并行运算体系结构的星敏感器图像处理算法

采用FPGA构建星敏感器图像处理并行计算体系结构。星敏感器图像处理算法由高通滤波、星点提取和星点排序3个模块组成。高通滤波模块基于图像局部加窗计算阈值的方法,星点提取模块采用逐行扫描的计算方法,星点排序模块采用基数排序的计算方法。星敏感器图像处理算法基于四级流水并行计算体系结构,显著提高了星敏感器图像处理的效率和算法的可靠性。
     

E2等级砝码折算质量的不确定度评定

被检砝码折算质量值的不确定度评定结果,关系到上级砝码标准装置是否满足量传要求,是质量控制的关键点之一。以E1等级砝码标准装置量传E2等级砝码为例,分析了被检砝码折算质量的不确定度。     

圆锥扫描地球敏感器前置放大电路稳定性分析

圆锥扫描地球敏感器（CES）是航天器的关键测量部件,其前置放大电路具有高增益、低噪声等特点.通过仿真分析得出电缆和器件参数差异显著影响其稳定性,在此基础上介绍电路稳定问题实例,提出采用频率补偿方法解决电路稳定性问题,并针对该方法设计和实施通过了标定测试、热真空试验和EMC试验,证明该方法完全有效.     

分体对开式高低温发生装置研究

介绍了一种分体对开式高低温发生装置,并详细叙述了其结构组成,测试结果表明高低温发生装置温度范围为-80℃~400℃,温度偏差为±2℃,温度均匀度为2℃,该装置可作为专用实验设备用于力传感器高低温环境下的校准。     

基于模型试验的旋翼/机身气动干扰经验算式

试验研究了直升机机身受旋翼气流干扰时的空气动力特性。试验结果证实机身阻力与旋翼前进比和桨盘载荷变化密切相关,机身升力和俯仰力矩的大小与旋翼桨盘载荷关系更大。通过对试验数据的初步分析,确定机身受旋翼尾流影响的气动干扰算式结构,利用最小二乘原理建立了简单有效的直升机机身在旋翼尾流干扰下的气动力算式,该算法可直接用于直升机气动设计和实时仿真模型中。     

神经网络在旋翼／机身气动干扰模型中的应用

由于直升机自身的特点,旋翼／机身气动干扰呈现非线性,且受多种因素的影响,用神经网络来解决这一非线性问题是一个很好的办法。将旋翼／机身气动干扰试验数据构造的学习样本,对网络参数进行学习,可以得到旋翼／机身气动干扰神经网络模型,进而可以用该神经网络模型研究直升机机身受旋翼气流干扰时的空气动力特性。参数训练好的旋翼／机身气动干扰神经网络模型可直接用于直升机气动设计和实时仿真。笔者在对旋翼／机身气动干扰神经网络模型的建立进行论述外,还简要介绍了旋翼／机身气动干扰试验。