基于模糊理论的加速度计标度因数稳定性分析

运用模糊理论描述了影响加速度计标度因数稳定性诸多因素的不确定性问题,针对其中的磁钢磁感应强度和石英摆片热膨胀系数两类稳定性影响因素,给出了其三角模糊数区间,并通过该型加速度计的磁-结构耦合ANSYS分析求出了在模糊参数不同组合下的仿真输出,根据仿真输出结果获得了标度因数模糊稳定区间,给出了加速度计标度因数稳定性分析流程及实例.分析说明了基于模糊理论的稳定性分析方法可以为加速度计加速稳定试验截止条件提供依据,对提高加速度计标度因数长期稳定性水平具有重要意义.     

加速度计加速退化机理一致性边界确定方法

以加速退化模型——Arrhenius模型为研究对象,发现加速度计在加速试验过程中,保持加速机理不变的应力与退化轨迹斜率存在密切关系.通过针对退化轨迹模型分别为一次函数、指数函数和幂函数三种常见情况,从激活能不变角度推导出保证加速度计加速机理不变的应力-斜率公式,然后基于退化轨迹斜率区间检验提出了一种加速机理一致性条件确定方法,最后根据加速度计恒定高温标度因数稳定性退化仿真试验数据,准确得到了保持加速度计标度因数稳定性退化机理一致的应力边界,验证了该方法的可行性.     

风洞无线智能传感器网络及无线测量技术研究

风洞试验现场,特别是大型连续式风洞试验现场的电磁环境非常恶劣,而风洞实验中的测量信号又是毫伏级的微弱信号,采用传统测量方式难以克服恶劣的电磁环境对测量系统的干扰.对于运动物体或无法布线的试验环境进行参数测量时,传统测量方式完全不起作用.针对上述问题,笔者对风洞无线智能传感器网络和无线测量技术进行了研究,采用ZIGBEE技术实现了风洞无线智能传感器网络和基于该网络的无线测量模块.极大地增强了测量系统的抗干扰能力,提高了风洞试验的精细化程度,降低了测量系统的经济成本.     

基于小波变换的高超声速边界层动态图像分析

利用小波变换技术,研究高超声速下动态尖锥周期俯仰摆动的边界层转捩图像.通过基于二维小波变换的图像消噪和图像增强算法,优化动态实验图像,根据小波变换图像的奇异性提取沿时间历程变化的尖锥边界线和边界层图像,得到尖锥的俯仰摆动周期和迎角变化范围.结果显示边界层厚度的变化周期与尖锥的俯仰摆动周期存在相位差,随着迎角增大,背风面转捩点向尖锥前缘移动.实验结果表明,基于小波变换的图像处理技术不仅能够作为高超声速尖锥实验流动显示进行定性观察.还可以实现对高超声速边界层转捩实验的精确观测和定量分析,成为一种重要的量化和自动化的实验技术和分析手段.     

虚拟再入点摄动制导方案应用研究

弹道式飞行器飞行过程中许多不可预料的干扰对其制导系统的“鲁棒性”提出了很高的要求。本文在分析了传统的摄动制导方案(即δ制导方案)在实际飞行中的抗干扰能力差等缺点的基础上,根据弹道式飞行器在空间的运动特性提出了一种基于虚拟再入点状态参数控制泛函的新型摄动制导方案。通过系统的理论和方法对该新型摄动制导方案的合理性、有效性和优越性进行了科学、系统地研究分析,在建立的制导模型基础上进行了严格地科学仿真计算并对该制导方案的部分优越性进行了验证和揭示。     

星载激光高度计几何定位误差传播分析

星载激光高度计能够获取高精度的地面高程信息,可作为卫星光学遥感影像三维测图的补充。星载激光高度计的高程测量精度很高,但是平面精度较低。为了能够更有效的利用星载激光测高数据,需要研究星载激光高度计几何定位的误差源及其对定位精度的影响。文章从星载激光高度计几何定位模型出发,推导了星载激光高度计定位误差传播模型,得到影响星载激光高度计测高数据定位精度的主要误差源,并分析了各误差源对定位精度的影响,可以为星载激光高度计的设计和应用提供一定参考。     

一种空中加油可变阻尼稳定伞设计及性能分析

为了突破传统空中加油稳定伞对于加油机飞行速度和高度的限制,设计了一种加装气动弹性支架的可变阻尼稳定伞。通过流固耦合(FSI)数值模拟,得到不同工况下的片状弹簧变形与稳定伞伞面形状,通过计算流体动力学(CFD)得到稳定伞气动力的变化趋势。根据气动力结果计算软管的拖拽形状及锥套下沉量。仿真结果表明:所设计的可变阻尼稳定伞的阻力变化量和锥套在空中位置变化范围分别降至传统稳定伞的70%和60%,能够实现阻力的自适应控制,拓宽了传统结构稳定伞适用的速度、高度范围。      

试飞中多功能显示器闪屏问题分析与解决方案

在某型飞机试飞过程中,多台多功能显示器分别出现了多次闪屏现象。本文介绍了针对“闪屏”现象, 开展的故障定位、机理分析、采取的措施及验证情况。     

基于BSP-ANN的四旋翼无人机轨迹跟踪方法

为了降低无人机轨迹跟踪误差,提高系统抗干扰能力,对反步（Backstepping）法进行改进提出一种基于反步神经网络（BSP-ANN）的无人机轨迹跟踪方法。首先,建立了四旋翼无人机运动学模型;然后,结合Backstepping方法在无人机的姿态控制、轨迹跟踪控制系统中引入Sigma-Pi神经网络,同时设计Sigma-Pi神经网络控制率,并证明该控制率满足Lyapunov意义下的系统稳定;最后,分别给出了相应的仿真实验。仿真结果表明：该算法可以有效降低跟踪误差,缩短无人机跟踪时间,同时可以提高系统的抗干扰能力。