空间绳系机器人逼近目标协调控制方法

 为了节省空间绳系机器人的末端执行装置在逼近目标卫星过程中推力器所使用的燃料,本文提出一种利用推力器、反作用轮及空间系绳的协调控制方法。首先利用二次型最优控制器(LQR)算法计算出末端执行装置逼近目标所需的理想轨道控制力,然后利用模拟退火算法将所需轨道控制力优化分配到推力器及空间系绳,同时利用时间延迟算法通过反作用轮补偿空间系绳产生的姿态干扰力矩。仿真结果表明,利用该协调控制方法能显著节省末端执行装置上推力器的燃料消耗,有效抑制空间系绳协调控制力产生的姿态干扰,使末端执行装置保持相对稳定的姿态。     

型号数据二次处理标准化研究

阐述了目前型号数据二次处理所面临的现状,分析了型号数据二次处理标准化研究的必要性,通过具体措施实现了二次处理标准化数学模型的收集、验证、软件实现及应用推广,形成了一套行之有效的试飞数据处理规范,制定了相应的数据处理流程和制度,加强试飞技术和数据处理技术的积累,提高了工作效率。通过型号数据二次处理标准化研究,标准化算法、模型及软件,规范标准数据处理软件的使用和更新,能够有效缩短数据处理周期,提高数据处理可靠性,利于客观评价被试对象,给出科学合理的试飞结论。     

直升机涡环状态建模仿真研究

涡环对直升机的飞行安全具有很大的危害,直升机在陡下滑机动过程中可能会进入涡环状态.通过对滑流理论的修正,得到了适用于涡环状态的直升机旋翼诱导速度计算模型.以此为基础,进行了直升机涡环状态的实时仿真研究,给出了直升机进入涡环后典型的响应特征.仿真结果与试验/试飞结果具有良好的一致性,说明所建模型准确、可靠.     

基于AFM调制电信号的矢量式纳米加工系统的开发及其应用

在Digital Instrument(DI)公司多功能SPM仪器的基础上,开发出基于原子力显微镜(AFM)调制电信号的矢量式纳米加工系统,成功地实现了纳米量级结构的加工及对加工电路中微弱电流的精密实时探测,实现了对加工电压的实时精确测量及对电容效应的实时观测等。     

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.      

基于改进容积卡尔曼滤波的奇异避免姿态估计

 利用矢量进行卫星姿态估计可以归结为非线性滤波问题。为了提高卫星姿态估计的精度,利用龙贝格-马尔塔(LM)迭代算法改进了容积卡尔曼滤波(CKF)。继而,提出改进容积卡尔曼滤波与四元数结合的容积四元数估计器(CQE),有效地避免了卫星大角度机动出现的奇异现象。进一步,给出了一种与影子修正罗德里格参数切换的容积修正罗德里格参数估计器(CME)。仿真对比表明,初始误差较大时容积修正罗德里格参数估计器具有更好的收敛速度和鲁棒性。     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

多无人机对地攻击任务分配算法

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.文章基于拍卖机制原理提出了多无人机的动态任务分配算法,给出了算法流程,构建了收益计算函数,并对算法效率进行了分析.仿真试验表明所提出的算法同传统方法相比,大大减少了通信计算量,具有更好的实时性     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

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。