航天器故障诊断与容错控制技术研究综述

详细综述了航天器故障诊断与容错控制的研究进展。重点从基于模型的方法、基于数据的方法和基于知识的方法三个方面分别阐述了航天器故障诊断技术的研究进展,并且总结了航天器容错控制技术的研究现状,然后介绍了国内外的一些相关技术项目的开展情况,最后对未来可能的发展方向进行了探讨。     

执行器故障下的运载火箭非奇异终端滑模容错控制

针对存在未知外部干扰和执行器卡死故障的运载火箭,提出了一种基于非奇异终端滑模面的姿态跟踪控制算法。首先,建立了考虑干扰和执行器卡死故障的运载火箭姿态控制系统多输入多输出系统模型;然后定义了运载火箭姿态跟踪系统模型,针对定义的模型,设计了一种非奇异终端滑模面,使得系统在执行器故障情况下仍能较为精确地跟踪参考信号。基于李雅普诺夫函数证明了运载火箭姿态跟踪控制系统的稳定性和有限时间收敛特性。数值仿真检验了本文基于非奇异终端滑模运载火箭姿态跟踪控制算法的有效性。     

扩展旋转矢量捷联姿态算法

给出了一种新的旋转矢量捷联姿态构造算法，该算法由陀螺样本的多重积分来构造旋转矢量的最小二乘估计。新算法具有较好的顺序递推结构，易于在机载计算机上编程实现，比传统方法更容易满足一些限制较多的特殊应用。文中还给出了该算法在机载计算机上的计算流程及算法的局部硬件化实现。     

基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

雷达隐身技术概述

从外形设计、吸波材料、对消、干扰和微波传播指示技术五个方面对雷达隐身技术的实现方法进行了综述。分析了利用外形设计技术降低雷达散射截面积的方法和存在的缺点；吸波材料技术的发展方向是研制新机理吸波材料，并介绍了几种新型雷达吸波材料。最后对利用干扰技术、对消技术和微波传播指示技术实现雷达隐身的方法和发展情况进行了阐述。指出要有效地实现目标雷达隐身，需综合运用各种隐身方法。     

旋成体在无侧滑大攻角下的横向气动力特性

介绍具有尖锥头部细长旋成体（以下简称弹体）在无侧滑下横向气动力随攻角变化特性，其中包括尖锥头部顶角、旋成体长细比、初始滚转角、试验雷诺数诸参数对横向气动特性的影响。还介绍美国ＮＡＳＡ的一篇综合研究报告的部分结果。试验结果表明，在低亚音速下，弹体气动特性对上述诸参数反应极为敏感，有时呈现随机特性。头部加边条、减小长细比或在后体装尾翼，将有助于减弱横向气动力。采用弹体旋转飞行技术，虽然产生Ｍａｇｎｕｓ侧向力，但有效地克服了气动力的随机性。     

弹丸速度对超爆轰冲压加速器性能影响

为研究超爆轰模态冲压加速器的推进性能,采用混合的Roe/HLL（Harten, Lax, Van Leer）格式,结合自适应网格加密技术(AMR )与沉浸边界法(IBM ),数值模拟了弹丸速度高于预混可燃气体C-J爆速的冲压加速器流场,揭示了弹丸速度对流场结构与推力的影响。结果表明当弹丸速度在一定范围时,斜爆轰波可驻定在弹丸肩部或头部,在弹丸尾部形成高压区加速弹丸,并且,斜爆轰波驻定在弹丸头部推力更高,稳定工作的速度范围 更宽 。     

空间绳系组合体拖曳动力学分析及振动控制

空间绳系捕获系统捕获目标物后的组合体在拖曳离轨过程中常产生振动,为此,建立了切向连续推力作用下的空间拖曳绳系组合体面内动力学模型,并对模型进行了横向摆动与纵向振动耦合分析。针对组合体的纵向振动问题提出了一种以张力控制为内环、速度控制为外环的双闭环振动控制策略。进行了振动控制仿真分析,并根据动力学的相似性,建立地面模拟实验系统,仿真与实验结果表明该控制策略可迅速抑制组合体纵向振动、减小系绳冲击并可避免出现系绳松弛现象。     

高空飞行环境中液体运载火箭底部热环境研究

采用数值模拟和飞行测试验证相结合的方法对液体运载火箭高空对流/辐射耦合换热问题开展系统深入研究。基于燃气多组分输运Navier-Stokes方程、热辐射方程、Realizable k-ε两方程湍流模型,建立了高空含自由流的运载火箭燃气喷流流动模型。辐射模型采用离散坐标法(DOM),空间离散采用二阶迎风TVD格式,对多个典型飞行高度火箭底部热流进行大型并行计算,将数值结果与试验数据进行广泛对比,验证了计算模型的精度和有效性。数值研究表明,火箭底部辐射热流在刚起飞阶段达到最大值,随着飞行高度上升,辐射热流逐渐降低,火箭底部对流热流表现为先升高后降低的趋势,并在20 km高空达到峰值。本文的预测分析方法对液体运载火箭底部热防护设计具有重要的理论意义和工程应用价值。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。