超机动导弹的神经网络控制系统

 研究了应用于具有超机动能力的导弹的非线性神经网络控制系统.利用神经网络可以任意逼近非线性函数的能力,来学习超机动导弹在大迎角状态下的高度非线性动态特性的逆动态特性,得到对参数变化及未建模动态具有较好鲁棒性的控制系统.为了改善神经网络的学习能力和学习算法的稳定性,对学习增益做了模糊化处理.数字仿真结果说明了该控制方案可以达到预期效果.     

导弹命中精度评定中贝叶斯方法的应用

针对导弹武器系统试验评定的问题 ,研究了如何在命中精度评定中应用贝叶斯方法。在导弹落点偏差分布为正态 -逆伽马分布的假设下 ,提出以贝叶斯理论为基础 ,利用实际的导弹飞行试验状态信息和试验前的各种已知信息 ,加入弹道的模拟和仿真方法 ,获得评定的验前分布参数 ,使精度评定理论与实际情况相结合的方案。该方案以使用方提出的可信度和最低可信下界为检验精度的指标 ,同时也提出一种运用参数自助 (Bootstrap)方法获得验前分布参数的方法。最后 ,提供了完整的评定流程和说明 ,使实际的评定工作有一个较完整的体系。所提的贝叶斯方法尤其适合于小子样场合下的试验鉴定工作     

瞬变流速作用下姿控发动机燃料管路的非线性振动特性分析

为研究瞬变流速激励下某型卫星姿控发动机燃料输送管路的非线性振动特性,采用加权余量法和四阶Runge—Kutta法对燃料输送管路的非线性液固耦合振动模型进行了数值仿真,研究不同燃料流速下、电磁阀开关时长对燃料管路非线性振动稳定性的影响.仿真结果表明,依据管路特征线可将管路振动分为稳定振动区和不稳定振动区,且不稳定振动主要...     

表面活性剂对煤沥青浸渍性能的影响

研究了表面活性剂对煤沥青浸渍性能的影响.实验结果表明:加入少量的表面活性剂后,煤沥青的软化点、粘度等流变性能都得到较大幅度的改善,而残炭率影响不大.对表面活性剂改性煤沥青的机理进行了比较深入地探讨.     

地外人工光合成装置研制与试验

原位资源利用技术是地外生命保障体系构建、实现人类地外生存的有效途径,是载人深空探索的核心技术。基于微通道技术的人工光合成反应器,采用流动反应器设计,用于低微重力等特殊环境条件下模拟人工光合作用,实现CO２向O２和含碳燃料的转化。微通道芯片通过气液剪切作用力使气体反应产物快速脱离电极表面并随反应介质排出反应器,理论上可以克服微重力条件对反应过程的影响,尚需进行微重力试验进行验证。同时,微通道结构可以通过精确控制反应气液的压力、流速、流量比等反应条件,获得优化的反应条件。通过地面试验,验证了该反应器将CO２还原为O２和含碳化合物的功能可行性。以Au和Ir/C作为阴极和阳极材料,3V电压条件下,O２产率可达11.74mL/h。此外,基于人工光合成反应器搭建了集反应模块、控制模块、流路驱动模块以及检测模块等于一体的地外人工光合成装置,形成原位反应、介质供给、精确控制、在线收集和检测等功能一体化的系统,并实现CO２有效转换和O２供给。为后续技术成熟度更高的反应装置研制、高产物选择性的含碳化合物转化以及人工光合成反应装置在轨试验奠定了理论和实践基础。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

视觉测振技术在柔性太阳翼模态试验中的应用

针对8 m×5 m的柔性太阳翼在倒立状态下进行模态试验,设计数字摄像视觉测振系统,基于图像特征跟踪法实现了从相机标定、图像采集、信息提取到三维振动数据获取的过程,通过工况模态辨识方法获取了柔性太阳翼模态频率及振型等动力学参数。并考虑空气和重力影响建立太阳翼有限元模型,通过与基于基恩士激光位移传感器的传统模态试验结果及仿真分析结果进行对比,验证了基于视觉测振工况模态试验方法的准确性,为柔性太阳翼在轨模态辨识奠定基础。     

高超声速飞行器再入段LQR自抗扰控制方法设计

针对高超声速飞行器(HSV)再入过程中强非线性、强耦合、气动参数变化剧烈的不确定性的特点,提出一种基于线性二次型调节器(LQR)和自抗扰控制(ADRC)的高超声速飞行器再入段的姿态控制方法。首先,建立高超声速飞行器再入段线性化模型,并采用LQR方法完成了状态反馈控制律设计。然后,结合自抗扰控制技术,设计了扩张状态观测器(ESO)对系统的模型不确定性和外部干扰进行补偿,大幅增强了系统的扰动抑制能力。最后,将得到的高超声速飞行器再入段LQR自抗扰姿态控制器(LQRADRC)应用于高超声速飞行器六自由度仿真,仿真结果表明本文所提出的控制方法能够快速、精确地跟踪角位置指令,并且对系统不确定性具有强鲁棒性。     

Drag derived altitude aided navigation method

The navigation problem of the lifting reentry vehicles has attracted much research interest in the past decade.This paper researches the navigation in the blackout zone during the reentry phase of the aircraft,when the communication signals are attenuated and even interrupted by the blackout zone.However,when calculating altitude,a pure classic inertial navigation algorithm appears imprecise and divergent.In order to obtain a more precise aircraft altitude,this paper applies an integrated navigation method based on inertial navigation algorithms,which uses drag derived altitude to aid the inertial navigation during the blackout zone.This method can overcome the shortcomings of the inertial navigation system and improve the navigation accuracy.To further improve the navigation accuracy,the applicable condition and the main error factors,such as the atmospheric coefficient error and drag coefficient error are analyzed in detail.Then the damping circuit design of the navigation control system and the damping coefficients determination is introduced.The feasibility of the method is verified by the typical reentry trajectory simulation,and the influence of the iterative times on the accuracy is analyzed.Simulation results show that iterative three times achieves the best effect.     

采用基于火焰面的燃烧模型研究部分预混燃烧

考虑到火焰面模型的优点,采用基于RANS的稳态火焰面模型,稳态火焰面/反应进度变量模型和非稳态火焰面/反应进度变量模型对部分预混燃烧室进行了数值计算,并将这三种燃烧模型的计算结果和实验值进行对比研究。发现稳态和非稳态火焰面/反应进度变量模型均成功地预测到了部分预混燃烧中的三岔火焰结构和火焰抬举现象,分析了三岔火焰的形成机理及抬举高度。文中稳态火焰面模型计算部分预混燃烧完全失效,无法捕捉到火焰抬举现象,稳态火焰面/反应进度变量方法计算的火焰抬举高度仅仅为10,基于反应进度变量为水、二氧化碳、一氧化碳和氢气的质量分数之和的非稳态火焰面/反应进度变量方法计算的火焰抬举高度仅为20,和实验值之间的误差为42.8%,而基于反应进度变量为一氧化碳和二氧化碳质量分数之和的非稳态火焰面/反应进度变量方法计算的火焰抬举高度大致32,和实验测量值35非常接近,误差仅为8%。对燃烧热力学标量温度和组分的计算,可以发现非稳态火焰面/反应进度变量方法和实验结果吻合最好,其次是稳态火焰面/反应进度变量模型,最差的是稳态火焰面模型。