基于退步法的敏捷航天器姿态控制方法

主要研究敏捷航天器大角度姿态机动问题。首先,以SGCMG(Single Gimbal Control Momentum Gyroscope,单框架控制力矩陀螺)为执行机构,建立了基于四元数的航天器姿态机动数学模型;然后,针对SGCMG的奇异问题,研究了基于力矩输出和回避奇异能力最优的联合操纵律;最后,基于敏捷航天器姿态误差模型和李雅普诺夫稳定理论设计了一种退步控制律。仿真结果表明,该控制方法能够很好地实现大角度机动目标并有效避免了SGCMG的奇异状态,满足姿态机动任务的控制精度和稳定度要求。     

超燃燃烧室一维释热分布模型研究

为了预估超燃冲压发动机燃烧室内的释热分布,针对带凹腔稳焰器的燃烧室,总结了射流混合情况、来流温度和当量比对释热分布影响的实验规律,提出了主燃烧区的概念和分段线性拟合的建模思路。模型被分为隔离段、横向射流、燃烧室释热分布、主燃烧区反压四个部分。通过压力前推,进行代数的迭代计算,能够快速得到燃烧室释热分布的一维模型。利用实验图像和仿真计算数据,对模型得到的释热分布与燃烧效率进行了验证,模型可适用于隔离段来流2.1马赫以上的工况,且模型结果与仿真结果相关系数达到了0.9以上。     

飞行载荷设计平台初探

飞行载荷在飞机结构设计中处于设计输入范畴,多变且重要,其准确及快速迭代是现代化飞机设计的重要能力。当下纷繁杂乱的平台工具为设计工作提供了很多选择,但要能够同时满足这两个条件的还是少数。为此,本文以流程为主线,通过输入、输出、工作单元等表现形式对部分平台进行了深度剖析,同时考虑了平台的扩展性能及使用后可能带来的效益进行了预估,认为FlightLoads平台是其中比较优秀的一款,为各类研究机构提供参考。     

高速无人机着陆滑跑纠偏联合仿真研究

针对高空高速无人机着陆地面滑跑过程中的侧向偏移问题,建立了差动刹车和方向舵联合纠偏控制系统。使用动力学软件LMS Virtual. Lab Motion建立了包含阻力伞、气动舵面和起落架等设计因素的全机动力学模型,并与Matlab/Simulink控制模型进行全无人机着陆滑跑联合仿真分析,验证了在侧风情况下无人机着陆滑跑纠偏性能。仿真结果表明,所设计控制系统满足性能指标要求,在无人机的整个滑跑阶段均有良好的抗风纠偏效果。     

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.      

单目视觉三维运动位姿测量方法研究

针对基于点特征的单目视觉位姿测量,研究了一种基于不共面5个编码特征点的单目视觉解算算法,利用大靶面高分辨率相机采集运动物体姿态图像,利用目标物体上编码特征点间的几何约束关系,通过正交迭代解算算法完成目标物体的位姿测量。实验结果表明：位移测量不确定度优于0.5mm,姿态测量不确定度优于0.05°,可满足航空航天领域试验测量要求。     

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。     

三站点备件供应保障关系建模与分析

就建模层面而言备件相关的现有研究在考虑横向保障时存在一定的不足。本文选取三站点组成的备件供应保障系统作为研究对象,通过引入站点间的备件供应保障关系实现了将站点间备件纵向保障和横向保障的综合考虑。运用定量化的概率值表征站点间的备件需求关系,基于库存平衡理论建立了应得备件数量、初始库存量、可用库存量和备件短缺数之间的关系表达式。在建立单站点库存平衡方程的基础上,又依据三站点间的供应保障关系联立得到了三站点备件延期交货量方程组。对方程组解的情况进行了分析,在确定其解唯一性的基础上基于压缩映射原理给出了方程组的迭代求解方法。对于简单示例进行了计算,验证了模型的正确性和求解方法的有效性。     

燃烧室污染物生成大涡模拟模型的研究

采用亚网格动力学模型和联合概率密度函数(PDF)亚网格模型对污染物NO的生成进行大涡模拟.计算中采用的数学模型有:k方程亚网格尺度模型来估算亚网格湍流粘性;亚网格EBU燃烧模型估算化学反应速率;在交错网格体系下, 采用SIMPLE算法和混合差分格式来求解差分方程.数值分析两种不同亚网格污染物生成模型和两种进口气流温度对NO排放的影响, 计算结果与实验数据比较表明:两种亚网格污染物生成模型都能较好的预估燃烧室污染物NO的生成, 但亚网格动力学模型的计算工作量要比联合概率密度函数亚网格模型少得多, 更适合工程应用.