运动基航天飞行训练模拟器信号缩比算法研究

当前运动基飞行模拟器对控制信号的缩比以三阶多项式缩比法为主,但其参数确定困难且当缩比幅度较大时易使信号出现较大畸变。而航天飞行模拟中常常会经历线加速度或角速度信号在较大幅值范围内的增大或减小,典型的如返回再入时的过载变化。针对此种情况,一种新的缩比算法——Hermite缩比函数法被提出。首先完善了Hermit缩比法关于最优参数理论的推导和证明;其次,引入变量“缩比度”,在实例仿真中比较了其对两种缩比方法的影响。结果表明,Hermite缩比函数法参数确定方便,其信号单调性的保持不依赖于缩比度的取值,更适合应用于缩比度变化较大的航天飞行模拟中。
     

基于参数敏感性分析的反设计方法

在基于类别形状函数变换(CST)的反设计方法中,通过考察CST参数化与反设计过程,完成了基于参数敏感性分析的反设计,实现了翼型的快速、准确反设计;研究了Bernstein多项式阶数进化对反设计过程敏感性的影响。研究结果表明,在亚音速状态下,采用反设计方法能使设计压力分布较好逼近目标压力分布;在跨音速状态出现激波时或在计算过程出现迭代发散时,加入阶数进化手段后的敏感性分析方法能改善激波区域的敏感度,使迭代较好收敛。方法能够反映各种光滑翼型压力残差和翼型几何外形改变的关系,在给定状态下用初始翼型快速且比较准确地拟合目标翼型。     

导航卫星的短弧运动学定轨

导航卫星在姿轨控和轨道恢复期间,由于观测数据有限,传统的统计定轨理论难以实现导航卫星精密定轨。本文尝试采用一种不依赖轨道动力学的、新的运动学定轨方法来处理短弧和复杂动力学过程中的定轨,提出了基于多项式拟合的短弧运动学定轨算法,并提出2种不同的实现方案。该算法充分利用了高采样率的测轨数据,减少了结果的噪声,其优点在于不需要长时间累积测轨数据,可以实现近实时快速计算,克服了动力学法定轨发散和单点定位无法获得卫星速度信息等不足。对COMPASS M-01导航卫星实测数据的处理表明,10min左右短弧运动学定轨的位置精度可以优于10m,速度精度优于4cm/s,满足了短弧跟踪条件下RDSS对卫星轨道精度的要求,实现了短弧跟踪条件下卫星精密定轨,但从轨道预报精度来看,该方法仅仅适用于短期预报。     

打磨机操作臂的轨迹规划与仿真

提出了笛卡尔空间大步距插值与关节空间改进的三次样条小步距插值相结合的方法,对打磨机进行了轨迹规划。利用关节空间改进的三次样条插值,消除了启动和停止时的加速度突变。并且通过SimMechanics工具箱建立模型,验证了轨迹规划方法的正确性和有效性,为操作臂的伺服控制提供理论基础。     

基于线性样条和CNN-LSTM的北斗卫星缺失数据处理方法

针对北斗某星辐射剂量探测数据缺失问题,提出了一种基于线性样条和CNN-LSTM神经网络模型的处理方法.在对数据特性分析的基础上,将原始数据分解为线性趋势项和季节波动项.对于线性趋势项,采用基于线性样条的缺失值处理方法;对于季节波动项,根据其时空变化特性,设计CNN和LSTM组合神经网络结构,完成季节波动项的缺失值处理....     

高分辨率多径时延测量算法

提出一种基于最小二乘准则的高分辨率多径信号时延测量方法。对参考信号作三阶样条插值获得每条多径信号最小二乘意义的最优估计,用每条多径信号的测量值重构接收信号,通过反复迭代使重构信号是接收信号最小二乘意义的最优估计,实现多径信号的时延测量。仿真结果表明：新算法在低信噪比、窄带信号条件下仍能获得较高的时延测量精度,性能优于MUSIC类时差测量算法。     

基于B样条小波有限元激光陀螺抖轮的分析

建立了激光陀螺抖轮的三维有限元模型,对其振动特性进行了模态分析,建立了整个 模型B样条小波有限元模型;研究了一类新的有限元空间,它以B样条小波函数作为有限等参 元的形状函数;建立了模型的B样条小波有限元序列,利用B样条小波函数的变尺度特性在不 改变网格的剖分下提高分辨率,因此在处理局部应力集中,曲率分布突变边界等应用中具有 一定的优势,所以它的结果更接近于实际。最后对系统模型进行了仿真,给出了各个阶次 模态值,通过与传统有限元比较发现小波有限元具有收敛性好、求解迅速和网格划分灵活
等优点,这对于激光陀螺抖轮的优化设计具有重要参考价值。
     

卫星多径信道下SOFDM插值估计算法的对比分析

在卫星多径衰落信道环境中传输正交频分复用信号时,工程上可以考虑采用以插值运算为核心的信道估计方法对接收信号进行信道估计。文章首先给出并研究了线性插值、三次样条插值和拉格朗日函数插值这三种插值估计算法的基本原理,然后对各种算法的计算复杂度、插值估计的均方误差以及系统的误比特率这三项性能指标进行了对比分析,最后通过综合评估总结出了＂在慢多径衰落信道环境下宜采用线性插值估计算法＂和＂在快多径衰落信道环境下宜采用三次样条插值估计算法或拉格朗日函数插值估计算法＂的结论。     

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。