可重复使用飞行器再入姿态的区间二型自适应模糊滑模控制设计

针对具有强非线性、多变量耦合特性的可重复使用飞行器（RLV）,同时考虑模型参数不确定性和外界干扰对飞行器再入姿态跟踪的影响,提出了一种基于区间二型自适应模糊滑模的姿态控制方法。首先,建立飞行器再入动态模型,并基于反步思想将控制模型转化为姿态角和角速率相关子系统。其次,将模型参数不确定性和外界干扰视作子系统非线性项的一部分。再次,采用区间二型模糊系统逼近子系统非线性项,并结合自适应技术和滑模控制方法分别设计虚拟控制量和实际控制量。此外,引入一阶低通滤波器用以处理子系统虚拟控制律。通过Lyapunov方法的分析证明了闭环控制系统的稳定性,且飞行器姿态跟踪误差可收敛于原点附近的小邻域。最后,利用飞行器的数值仿真验证了所设计控制方法能有效跟踪飞行器参考指令,且对外界干扰有较强的鲁棒性。      

非线性弹簧形态优化及可调节恒力装置设计

基于组合结构研究一种可调节恒力装置的设计方法,恒力装置由负刚度非线性弹簧和正刚度线性弹簧组合而成。采用B样条曲线描述非线性弹簧的形态,基于GA算法和非线性有限元法实现非线性弹簧的形态优化设计。根据恒力装置的工作原理,设计线性螺旋弹簧,并分析刚度/强度特性。组合结构的力学性能分析表明恒力装置可以实现输出恒力。为了实现自我保护、输出的恒力大小/方向可调,进行了恒力装置的部组件设计。本文的恒力装置设计方法为平面薄膜天线和太阳电池阵的工程研制提供了技术支撑。     

剪叉式星载可展开天线的设计与分析

针对微小卫星应用发展过程中对星载天线提出的轻质量、高收纳比和大口径的需求,设计了一种新型剪叉式可展开薄膜天线。该设计应用剪叉式机构作为天线的骨架,以实现薄膜天线的二维收拢,能够有效提高天线的整体收纳比并扩大天线口径。运用计算机软件建立模拟样机并进行仿真分析,仿真结果验证了剪叉式机构展开的可行性和展开后结构的稳定性。     

红外光电系统TOD与MRTD测试方法的比较研究

对比了MRTD(最小可分辨温差)和TOD(三角形方向辨别)法在测试图样、观察任务、测试规程、结果处理、判断准则上的不同。通过对采样作用、动态响应、客观测量3个方面的分析,得出了TOD法在测试性能上的优势,引用国外相关单位的试验结果,说明了TOD测试的适用性。     

多功能便携式数据采集系统设计与应用

为了满足航空发动机外场试验要求,针对某型发动机外场试验设计了多功能便携式数据采集系统。选用NI cDAQ等军品级电子器件采集发动机的压力、温度、转速等参数;采用市电与军品锂电池供电方式保证系统的正常工作;系统软件基于LabVIEW平台进行设计,实现了数据采集、显示、存储、复放、通道自检等功能;外场发动机在装机状态下即可利用该系统进行地面试验。外场测试结果表明:所设计的测试系统具备功能完善、使用方便、携带便捷等特点,可满足系统的设计要求。     

LRU可靠性评估仿真模型及实例分析

目前,有关航空维修中出现的高故障率现场可更换单元(LRU)的可靠性评估和LRU 故障组件定位等方面的研究仍鲜有报道,为此设计一种适用于LRU“更换维修暠策略的可靠性评估仿真模型,详细介绍模型中各个功能模块的设计原理和实现方法、步骤,并以某型军用飞机液压系统中常见的高故障率LRU 为例,对模型进行应用分析。结果表明:该仿真模型在LRU 可靠性评估中具有可行性和普遍适用性。     

大型星载天线桁架式可折展机构的模态分析

大型空间抛物柱面星载天线具有口径大、约束弱、刚度低、质量小等特点,其机构的空间稳定性直接决定天线的使用寿命和信息传输的可靠性。为准确获得大型空间星载天线在轨稳定性能参数,依据星载天线的高精度和长寿命的设计需求,提出一种新型抛物柱面星载天线结构形式,利用有限元仿真对该新型星载天线作模态分析,并分析相关参数。结果表明:采用Al7075材料的新型抛物柱面星载天线基频满足设计要求。同时,增加上下支杆和上下斜撑杆的截面尺寸可有效提高天线结构的固有频率。该研究为我国大型抛物柱面星载天线设计提供了理论支撑和技术参考。     

LEO卫星太阳电池电路原子氧效应分析及试验研究

分析了原子氧环境对低地球轨道(LEO)卫星太阳电池电路损伤效应,得到目前常用的太阳电池电路材料中银互联材料和聚酰亚胺膜对原子氧环境较为敏感。采用20μm的可伐互联片及50μm的银互联片样品,开展原子氧试验研究。试验结果表明:在原子氧总通量为1.7×1022 atoms/cm2以下时,可以选择银互联片作为连接介质,不会因为原子氧侵蚀对互联片产生危害。当原子氧总通量为2.5×1022 atoms/cm2以上时,可以考虑采用可伐互联片。文章的研究结果可为适用于高原子氧总通量的太阳电池电路互联片设计提供依据。     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。