基于星敏感器的两种姿态确定算法比较分析

介绍了星敏感器的两种姿态确定算法：最小二乘算法和QUEST算法,推导了最小二乘算法和QUEST算法求解三轴姿态的公式;比较了两种算法在不同恒星数目下的计算精度以及在全天区范围内的计算精度;利用实例说明QUEST算法不仅在全天区范围内姿态计算精度高于最小二乘算法,而且在观测星数量较少,且观测星座呈现较为不利的构型时仍然具有较高的计算精度.     

LDPC码低复杂度译码算法研究

在描述置信传播（BP）译码算法基础上,研究和分析了两种降低复杂度的译码算法。Min-Sum算法主要讨论了简化校验节点的消息更新运算,并应用密度进化方法对此算法进行极限性能分析,求出最佳修正参数α以改进译码性能。强制收敛技术致力于减少BP和MSA算法译码过程中“激活”节点的数目,从而降低译码复杂度。AWGN信道仿真结果表明,两种算法在降低译码复杂度的同时,译码性能没有明显降低。     

基于同伦方法三体问题小推力推进转移轨道设计

提出一种基于同伦方法限制性三体问题小推力推进转移轨道设计方法。首先根据最优控制原理分析了航天器在轨道转移中不同性能指标时的最优控制律,然后引入同伦参数构造新的性能指标,在基于遗传算法和打靶法得到能量最优的解基础上,采用伪弧长法跟踪同伦轨迹,进而得到燃料最优的转移轨道。最后对地月系下从GEO轨道到L1点Lyapunov轨道的转移轨道进行优化。仿真结果表明:利用遗传算法能优化得到较为合适的流形拼接点和协态变量初始值,利用打靶法能有效地优化得到小推力燃料最优转移轨道。     

GNSS接收机在探月三期中的应用研究

探月工程对飞行器导航系统的性能提出了更高要求,因而有必要研究GNSS(Global Navigation Satellite System,全球导航卫星系统)接收机在探月任务中的应用。以探月工程三期为应用需求,开展地-月-地转移过程中的GNSS接收机可用性分析、GNSS信号特性分析;并针对低信噪比环境下的高灵敏度接收机系统应用进行设计,采用弱信号捕获算法和弱信号跟踪算法实现-175dBW的灵敏度;最终采用基于轨道动力学模型的卡尔曼滤波方法实现了GNSS自主定轨算法。仿真表明:GNSS接收机在60 000km以下的地-月转移和月-地转移弧段能够为探月飞行器提供100m以内位置精度的导航服务。     

半导体激光器温度的Fuzzy_PID控制

本文将Fuzzy_PID算法应用于半导体激光器系统,阐述了Fuzzy_PID控制器的设计和软件模拟。证明了本控制算法对于大滞后、大惯性的温度控制过程具有优良的控制性能及很强的鲁棒性,且现场运行效果良好。     

可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

涡升力乘波体发展研究综述

乘波飞行器在高超声速具有良好的气动性能,但偏离设计状态,气动性能则难以保持。为在宽速域范围能一直维持较好的气动性能,研究人员利用定平面形状乘波设计的优势,提出“涡升力”乘波设计。本文将涡升力乘波体的设计方法归纳为基于吻切理论的定前缘型线法、基于激波装配法的波导体法和基于给定激波面的投影法三大类,综述了涡升力乘波体在宽速域气动特性的相关研究进展,并对涡升力乘波体的后续研究提出建议。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。