CONTROL STRUCTURE AND IMPLEMENTATION OF CELL CONTROL SYSTEM

在计算机集成制造系统（ＣＩＭＳ）的递阶控制结构中，单元控制系统起着重要作用。它上端联接车间控制系统和ＣＡＤ／ＣＡＰＰ／ＣＡＭ系统，下端联接生产设备，直接影响到生产的柔性和效率。该系统根据生产任务和目标，完成了生产计划调度、资源分配、监控设备运行等功能。文中主要讨论了系统的控制结构、系统功能和以下主要关键技术：客户／服务体系结构在生产控制和管理中的应用，单元生产计划和调度，ＤＮＣ接口以及生产中的随机事件处理。该系统已在应用中取得良好的经济效益。     

减少特征向量导数计算空间与时间的探索

从几种不同途径初步探索了减少大型结构特征向量导数计算的时间以及对计算机内存空间的信赖，从而发现了各个不同途径中存在的问题，并指出了解决这些问题的方向。     

WZ—1直升机旋翼桨叶的设计

从气动、动力学和结构设计三个方面介绍了直升机旋翼桨叶设计的一般要求，分析了桨叶扭转角、平面形状、浆尖形状等参数对直升机性能、旋翼气动特性和动力学特性的影响，并结合ＷＺ－１无人驾驶直升机的使用要求对其旋翼桨叶进行了初步设计，给出了桨叶的构形和“共振图”。本文的设计和分析方法可用于指导其他直升机的旋翼桨叶设计。     

气相色谱法定量分析氧气中气体杂质方法研究

为寻找一种能够有效检测氧气中微量气体杂质的方法,采用配有氢火焰离子化检测器的气相色谱仪分析氧气中的微量气体杂质,研究了分析氧气中CO、CO₂及C₂H₂等气体杂质的操作参数,确定了氧气中微量气体杂质的分析方法,验证了该方法的可行性,该分析方法各组份分离效果良好,各种杂质组份定量精确度较高。     

对失效卫星特征点的自适应位姿跟踪控制

为满足对失效卫星上某个特征点位置悬停的同时使追踪星上敏感器指向该特征点,展开了对失效卫星特征点与追踪星间相对动力学建模与控制的研究。在追踪星本体坐标系下建立了六自由度相对位姿动力学模型,并结合失效卫星上特征点的运动规律,给出追踪星的期望跟踪位置和期望跟踪姿态。考虑到追踪星质量、转动惯量、系统所受扰动力、扰动力矩及失效卫星转动惯量的不确定性,设计了复合自适应位姿跟踪控制律,并通过Lyapunov法证明了闭环系统稳定性。对输出受限情况,采取设计控制参数调节过程及输出限幅措施。在仿真条件下,系统在自适应控制律下能够以位置误差约1cm、姿态误差约0.01°完成位姿跟踪任务;增大不确定参数偏差后,位置跟踪误差增至约7cm,姿态误差增至约0.1°;对控制参数进行调节后,可在不影响跟踪精度的条件下在指定范围内限制输出幅值,将幅值限制在指定范围内,并减小控制所需冲量的9%和冲量矩的30%。     

路网匹配定位方法研究

针对车载惯性导航设备由于其惯性器件随时间漂移产生误差导致系统定位精度逐渐变差的问题,提出了一种路网匹配定位方法以提高车载导航系统的综合定位精度,该方法基于视觉测量原理通过双目摄像装置采集道路周边环境特征进行匹配定位,介绍了匹配定位的基本原理和系统实现所需的关键技术,通过实际跑车测试,验证了该方法的合理性和可行性。     

飞行控制律全包线鲁棒稳定性评估

传统的飞行控制律评估方法只能对飞行包线内的离散点进行逐点分析,对不确定性参数也只考虑了上下界,分析过程缺乏完整性和系统性。针对这些不足,研究了基于一种改进遗传算法的分析方法,该方法将评估准则转化为某个适应度函数,通过对适应度函数寻优以找到最坏情况下的不确定参数组合,在其基础上进行评估并给出评估结果或控制律修改意见。仿真结果表明,该方法能连续地研究多个不确定性参数同时摄动时的飞行包线,克服了传统方法的不足。     

铝锂合金热处理及其组织性能

本文研究国产８０９０铝锂合金热处理工艺及其组织性能。研究表明：８０９０铝锂合金在５７２±３℃固溶加热、保温３０￣６０分钟,水冷,自然时效时间长达３５天以上,机械性能差;在１９０℃,１９小时人工时效,机械性能σｂ＝５１６￣５７６ＭＮｍ＾－２,δ＝６．２￣６．３％,金相组织均匀。适当延长固溶处理加热保温时间,对铝锂合金强度有益。用扫描电镜对固溶短时保温水冷的人工时效与自然时效Ａｌ－Ｌｉ合金试样进行了继     

脉冲调制光热辐射测量的分层模型与计算

给出了脉冲调制光热辐射中温度场分布的数值模拟结果,建立了分层介质的三维热扩散模分析了层深度、大小等信息与温度场的关系,并将计算结果同扫描式测量的实际测量结果相比较,两者符合良好。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。