稳定环境下的高精度光纤捷联惯导精度探索研究

在分析法国MARINS光纤惯导方案及温度试验的基础上,论证提出了一种带温控高精度光纤陀螺捷联惯导设计方法,并在温箱稳定环境下进行了试验验证。试验表明,在温箱温控精度为0.1℃的条件下,惯导系统精度可以达到1nmile/10d;若实装,温控精度将优于0.02℃,光纤惯导精度还可进一步提高。     

自适应渐消Kalman滤波算法在RTK中的应用研究

在动态载波相位差分定位(RTK)中,由于观测环境复杂,会经常发生周跳、卫星信号失锁等情况,严重影响基线解算的连续性和可靠性。针对动态应用环境,提出了一种Kalman滤波算法在RTK技术中的应用方法。该方法可以实时估计模糊度浮点解及其协方差矩阵,在需要重新固定模糊度时可直接用于搜索,起到了周跳修复的作用。此外,采用了自适应渐消Kalman滤波算法提高算法的动态适应性,并引入独立的滑动窗进行新息的收集和处理,解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。仿真结果表明,该算法能够在模糊度发生变化时快速收敛,并且相对于一般Kalman滤波算法在高动态下提高了模糊度浮点解的精度,提高了后续模糊度搜索的效率和固定成功率。     

变攻角下被动射流旋涡对高速扩压叶栅性能的影响

对被动射流旋涡(PJV)控制高速扩压叶栅内的流动分离控制展开数值研究,并探究其在变工况条件下的适应特性。结果表明,PJV在设计攻角下可使叶栅总压损失系数降低5.2%,变攻角条件下的损失降低幅度最高可达7.8%,表明其具有较高的控制效率和良好的变工况适应特性。随着攻角的增大,吸力面分离位置提前,射流出口与分离区间的距离减小,PJV能够更为有效地促进附面层内低能流体与主流间的动量交换,使得壁面涡结构得到重新组织,并进一步影响通道涡、集中脱落涡等涡系结构的发展,从而推迟流动分离、减小损失。在综合考虑变攻角流场特性的前提下,应使PJV的作用位置位于分离区上游不远处,所研究的最佳射流位置位于叶片前缘上游40%轴向弦长处。      

基于光纤传感器的SRM界面黏接应力监测

界面黏接应力是SRM(固体火箭发动机)药柱结构完整性重要方面,也是健康监测的重要参数。为实现对黏接应力实时在线监测,设计了一种聚合物封装的FBG(光纤布拉格光栅)传感器,将其埋入HTPB(hydroxyl-terminated polybutadiene)推进剂/衬层界面黏接试件中。通过对试件在受到拉应力作用下FBG传感器反射光谱的模拟和应力响应测试试验研究了FBG传感器对应力响应规律。结果表明:FBG传感器中心波长随着试件的拉应力增大而减小,线性度较好,且传感器具有较高的灵敏度和稳定性。试件黏接性能测试试验中,FBG传感器性能保持完好,黏接试件强度满足技术指标,验证了传感器封装和埋入方式的可行性。      

PSO节点寻优的样条逼近微分

样条节点分布对逼近精度的影响很大,样条节点寻优模型的雅可比矩阵求解复杂。利用经典参数的PSO（粒子群算法）解算样条最优节点分布模型,以逼近残差的平方和为目标函数,每步对节点序列排序后再计算目标函数,可以提高样条逼近精度,为样条节点寻优提供了一种较好的实现方法。仿真计算表明,在一定的节点个数情况下,PSO节点寻优的逼近效果比Carl de Boor的NEWNOT程序中的方法要好。     

深空测控再生伪码测距技术研究

针对深空测控任务中低信噪比情况下的航天器高精度测距问题,对再生伪码测距技术进行论述。介绍再生伪码测距技术原理,再生伪码测距通过再生方式消除信号上行链路噪声,提高了信噪比,但需要复杂的相关器;分析再生伪码测距采用的陶思沃斯码结构,详细论述再生伪码测距信号的地面上行、星上再生、地面下行处理过程,重点介绍各处理过程中的指标条件,并对再生伪码测距进行误差分析;重点对比分析再生伪码测距与传统透明转发测距,指出前者适合于深空低信噪比条件下的高精度测距,后者适用于近地高信噪比条件下的测距。     

低压天然气喷射的船用二冲程低速双燃料发动机爆震研究

为了解决大缸径船用预混天然气双燃料发动机的爆震问题,并拓展天然气的稀燃边界。基于三维数值模拟的方法对大缸径船机进行了仿真模拟。分析了大缸径双燃料发动机爆震的特点,并对缸内涡流强度和废气再循环（EGR,Exhaust Gas Re-circulation）率对爆震的影响进行了研究。研究结果表明：大缸径预混天然气发动机的爆震位置往往发生在气缸边缘,火焰面的传播过程是引起缸内爆震的主要因素。随着缸内涡流从无到有的增强,缸内的爆震强度随之增强;当涡流到达一定程度后,随着涡流的增强,缸内的爆震强度反而降低;缸内加入EGR可以提高天然气当量比的同时减少爆震的强度,可以拓展天然气的稀燃边界。     

基于IRCMNDE和NNCHC的滚动轴承故障诊断

针对多尺度散布熵（MDE）在粗粒化过程中易发生信息丢失、产生虚假信息,难以全面提取轴承故障信息的问题,提出了基于改进的精细复合多尺度归一化散布熵（IRCMNDE）和最近邻凸包分类（NNCHC）的滚动轴承故障诊断方法。引入精细复合多尺度散布熵（RCMDE）,将其粗粒化过程中平均值替换为最大值来表示数据段信息,以克服传统粗粒化过程的不足并突出故障特征。通过归一化操作减弱熵值计算时不同参数选择导致的熵值波动幅度,得到IRCMNDE。将IRCMNDE作为故障特征,使用NNCHC分类器对故障特征进行分类。经实验验证,该方法可达到98.98%的故障识别准确率,相比基于MDE（故障识别准确率为95.99%）和RCMDE（故障识别准确率为97.60%）的方法,能够更准确地提取滚动轴承的故障特征信息,提高承故障分类的准确性。      

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。     

求解大型非对称线性方程组的拟最小残量IOM（q）算法

不完全正交化算法（IOM（q））由于存储量和计算量小，常用来求解大非对称线性方程组。而此方法收敛过程常出现不规划振荡现象，从而影响了收敛速度。本文将拟残量最小的化性质加到IMO（q）算法中，提出拟最小残量不完全正交化算法（QMRIOM（q），这样收敛曲线光滑无振荡，从而大大加快其收敛速度，而且保留其存储量和计算量小的性质。