无人机-无人车异构时变编队控制与扰动抑制

研究了无人机-无人车异构系统时变输出编队控制与扰动抑制问题，要求多无人机与无人车在受到未知外部扰动的情况下，保持设计的输出时变编队构型。首先，对无人机与无人车进行单体运动学与动力学建模，同时建立扰动模型，并引入代数图论概念，建立异构集群系统的协同控制模型。然后，对各无人机-无人车设计了具有分层架构的分布式时变输出编队控制器，包含基于一致性理论的编队中心估计项和基于内模原理的扰动抑制补偿项。进一步分析异构系统实现输出时变编队的可行性条件，给出了分布式编队控制器的参数选取算法，并证明了时变编队控制器构成的闭环系统的稳定性。最后，通过仿真算例来验证所设计的编队控制器的有效性。     

螺旋波电推进羽流电磁矢量控制的原理性验证

推进器羽流的电磁矢量控制是基于电磁位形的改变使得喷射的羽流改变方向。为了原理性验证电推进羽流电磁矢量控制技术，针对螺旋波电推进器，开展了磁场位形调制仿真设计和试验验证。说明了电磁矢量调制线圈能够改变磁场位型，并且在试验过程中验证了等离子体羽流随磁场位型变化而产生的羽流方向偏转。在周期性磁场调制过程中，验证了等离子体密度参数随之周期性涨落。螺旋波电推进羽流方向最大偏转角度60°，可控偏转频率15Hz，说明了电推进羽流电磁矢量控制的可行性。     

基于磁记忆技术对含缺陷焊缝的疲劳试验

对含有不同隐形损伤的40Cr焊板进行射线检测、疲劳试验和正交磁记忆信号测量，探索试件在疲劳应力作用下磁记忆信号的变化特征。试验结果表明：单一测量方式下的磁特征值不能表征焊板在疲劳循环载荷下的变化特征，所得结论存在偶然性；研究发现，可用磁场矢量梯度积分特征和磁场矢量合成梯度特征来评价焊板的疲劳损伤过程，并建立了以磁场矢量梯度特征为损伤参量的疲劳损伤模型，从而可以对含有隐形损伤焊接构件的疲劳寿命进行定量评估，为金属磁记忆技术在焊接缺陷定量评价上的进一步研究提供参考依据。     

含多间隙柔性可展帆板动力学建模及仿真

为研究柔性和多级铰链间隙对帆板展开过程动力学特性的影响，以月球车两级往复可展太阳帆板为研究对象，采用修正Coulomb模型表述摩擦力，通过接触碰撞力描述间隙，运用有限元法进行帆板柔性化，进而建立多间隙-柔性耦合的动力学模型。采用变步长伦哥库塔法进行数值求解，模拟帆板展开过程，分析了多间隙和柔性对帆板质心加速度、铰链间隙碰撞力等参数的影响。结果表明，在保证展开机构刚度要求的前提下，帆板柔性可补偿因铰间隙引起的加速度波动，减弱间隙处碰撞的剧烈程度，减小碰撞力幅值，进而改善帆板展开机构的动态特性。研究结果可用于指导月球车两级往复可展太阳帆板等同类型的可展机构动态优化设计。     

大型察打一体无人机发动机能力需求分析

大型察打一体无人机能够更好地兼顾侦察、打击、信息传递等功能,是世界范围内军用大型无人机发展的主要方向之一。无人机用发动机在使用方式、监控维护方面与有人机发动机有显著区别,为了分析起飞质量为15～20 t的大型无人机对发动机的基本性能、能力需求和研制模式,采用基于飞机的约束分析和任务分析的方法对发动机基本性能进行计算分析,结果表明：起飞质量为15～20 t的无人机所需发动机的安装推力为39～79 kN。结合有人和无人飞机使用区别,提出大型无人机9个应用场景对应发动机的11个能力领域。在充分考虑中国自主研制发动机交付数量和使用现状基础上,提出了发展低成本无人机动力的“1+N”模式发展技术途径。     

有机阻燃剂对UPR包覆材料耐烧蚀性能的影响及分析

选取有机磷系阻燃剂A、氮系阻燃剂B和三聚氰胺C、卤系阻燃荆十溴联苯醚D,利用田口方法的望小特征系统研究了有机阻燃剂对UPR包覆材料耐烧蚀性能的影响,得到最佳配比为A:B:C:D=8:24:24:24,其中阻燃剂D对UPR线烧蚀率的影响最为显著.通过对烧蚀成炭层进行形貌分析,探讨了有机阻燃剂改性UPR包覆层的耐烧蚀特征;并结合阻燃剂/UPR复合材料的TG-DTG分析,探索了不同阻燃荆对改性UPR包覆材料耐烧蚀性能的作用机理.结果表明,磷系阻燃剂能促进UPR材料成炭,氮系阻燃剂通过气化作用保护UPR基体,卤系阻燃剂具有一定的气相阻燃和固相促进成炭作用.     

河北省生产要素市场发展对策

本文以徐寿波提出的生产要素六元理论为依据,在回顾传统生产要素与要素市场分类的基础上,提出了新的要素市场分类,针对河北省要素市场的发展与完善提出了一些有价值的建议。     

基于自回归高阶估计的盲信号提取算法

文章利用线性预测模型来描述信号的时序结构,提出了一种基于高阶统计量的自回归参数估计的盲信号提取算法。算法首先通过高阶累积量对AR模型中的加权参数进行估计,然后利用盲提取方法对混合信号进行抽取以达到混合信号的分离,比较了高阶累积量方法和二阶自相关分离算法在不含噪声和含高斯白噪声情况下的分离效果。最后通过仿真实验证实了算法的有效性。     

基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题,将核极限学习机算法引入到北斗超快速钟差预报中。首先,将极限学习机进行优化,引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数;然后,将优化后的方法应用到超快速钟差预报中,并给出了利用该方法进行超快速钟差预报的步骤;最后,在分析iGMAS提供的实测北斗超快速钟差数据的基础上,选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内,利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型,并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比,GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%,其与最终精密钟差的符合程度显著 增强 。