PTC与泰盛携手助力中国MRO发展

美国参数技术公司(www.ptc.com)是针对产品生命周期管理、动态内容管理和发布等领域提供企业级软件平台的领导厂商,拥有超过50000家的企业客户,客户横跨制造、航空航天、出版、金融、政府和高科技等行业.PTC公司成立于1985年,总部位于美国波士顿,是世界500强之一.     

单向阀三维动态流场稳定性仿真研究

对单向阀自激振动机理进行研究,采用线性分析方法提出了单向阀的临界稳定曲线。应用泵阀仿真软件PumpLinx的动网格技术,开展了单向阀三维动态流场仿真分析,数值研究了不同工作压力、不同质量流量条件下的单向阀动态稳定特性。结果表明:在某一工作压力条件下,小流量时单向阀工作不稳定,会形成周期性的阀门颤振,随着质量流量增大,单向阀动态稳定性增强;当质量流量足够大时,单向阀工作稳定,单向阀保持稳定开度工作;质量流量一定时,工作压力降低,单向阀动态稳定性增强。单向阀三维动态流场仿真结果与线性稳定性结论相一致,从三维动态流场角度验证了单向阀自激振动机理及线性稳定性分析方法的有效性。     

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

扩频测控信号大动态信息频域加载方法

针对静态扩频测控信号的大动态信息加载,提出一种基于数字化处理的频域高精度加载方法。方法采用不同的处理方法分别对两路信号加入动态信息,其中一路通过FFT和频谱搬移加入载波多普勒信息,另一路通过对扩频码进行延时处理得到包含动态信息的扩频码,并使用第二路信号对第一路信号进行调整,从而实现原始扩频测控信号的动态信息加载。仿真结果表明,方法可以保留原信号内载波和扩频码的相关性以及原始信号中可以反映信道等特性的噪声,同时实现动态信息的高精度加载。     

北京卫星环境工程研究所承研的地磁动态模拟器项目通过甲方验收

近日,北京卫星环境工程研究所（下简称乙方）承研的地磁动态模拟器在北京航天自动化控制研究所（下简称甲方）完成交付,这标志着乙方在磁试验设备研制领域取得长足进步。地磁动态模拟器的主要功能是在测试区域内抵消地磁场环境,并为测试区域快速建立所需模拟地磁环境。在研制过程中,由于本模拟器设备要求快速抵消地磁场建立模拟场,所以任务难度大,稳定度要求高。经过双方技术人员的不懈努力与刻苦攻关,最终产品达到要求,完成验收。甲方制导与控制技术重点实验室高磊主任对本次研制任务的完成非常满意,他认为此次验收不止是产品的验收,更将成为双方日后密切合作的基石。乙方空间磁学与应用研究室孟立飞主任在验收中指出,导弹、火箭产品及零部件研制均需要进行大量的环境评价,这恰好是乙方所擅长的领域,尤其是乙方新建成的部组件中心能够为产品提供“一站式”环境适应性评价服务。     

高超声速飞行器动态神经网络反推自适应控制

针对高超声速飞行器纵向模型的高度非线性特点,在考虑模型不确定性的情况下,提出了高超声速飞行器动态神经网络调节函数反推自适应控制方法.对给定的速度指令,引入积分型Lyapunov函数设计跟踪控制器,取消了控制增益一阶导数上界的限制,且避免了控制器的奇异性;对给定的高度指令,引入调节函数技术,设计了反推控制器,避免了将模型化为严反馈形式;采用动态神经网络对未知系统动态进行自适应在线逼近.根据Lyapunov理论证明了设计的控制律保证了闭环系统的稳定性与指令跟踪的精确性.仿真结果验证了该方法的可行性及有效性.     

导引头量测故障下的增量式三维制导律设计

考虑导引头量测故障下拦截机动目标的末制导问题,以提高制导系统的鲁棒性、降低制导增益、减小系统残差、避免视线角速率剧烈振荡/发散为目的,基于增量式控制方法设计了一种具有鲁棒增强特性的三维末制导律。首先,将末制导问题转化为零化视线角速率的控制问题。其次,通过弹目相对距离及视线角速率定义辅助变量,给出传统的滑模制导律作为设计参考。然后,基于增量式非线性动态逆滑模控制方法,充分挖掘视线角加速度估计信息及上一采样时刻的制导指令,得到增量式三维鲁棒制导律。最后,在目标机动及导引头量测故障下,分析并比较了两种制导律所产生的系统残差。理论分析及多工况仿真结果表明,增量式制导律不仅对目标机动及大范围失效的导引头量测故障具有强鲁棒性,而且所需制导增益也较小,同时避免了末端视线角速率严重发散的问题     

一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

无线传感器网络时间同步协议动态切换机制

针对当前无线传感器网络时间同步协议通用性差的问题,提出了基于主动编程思想的时间同步协议动态切换机制,设计了能够动态适配的时间同步协议切换框架,重点讨论了节点间相互通信、时间戳标记、协议切换、本地时间与全局时间的转换等4个关键问题,并且在TinyOS（Tiny Operating System,微操作系统）平台上对新机制进行了仿真验证,比较了新机制同2种主流时间同步协议之间的性能差异.仿真结果表明：新机制能实现时间同步协议的动态配置,提高协同效率,节省切换开销,具有良好的应用前景.