结构动力模型一体化降阶技术

本文提出应用一体化降价技术实现结构动力模型的有效降阶，即首先在物理空间用动力缩聚（dy-namic condensation）法，然后在状态空间用平衡模型降阶（Balance Model Reduction）法，降低原始模型的阶数，这样就能结合有限元分析中物理模型降阶技术及控制理论中平衡降阶法的优点，所得降阶模型不仅阶数较低，而且所得状态空间方程具有可观且可控的优点。仿真表明，这种一体化降价技术算法稳定，计算精度高。     

Fault self-repair strategy based on evolvable hardware and reparation balance technology

In the face of harsh natural environment applications such as earth-orbiting and deep space satellites, underwater sea vehicles, strong electromagnetic interference and temperature stress,the circuits faults appear easily. Circuit faults will inevitably lead to serious losses of availability or impeded mission success without self-repair over the mission duration. Traditional fault-repair methods based on redundant fault-tolerant technique are straightforward to implement, yet their area, power and weight cost can be excessive. Moreover they utilize all plug-in or component level circuits to realize redundant backup, such that their applicability is limited. Hence, a novel selfrepair technology based on evolvable hardware（EHW） and reparation balance technology（RBT） is proposed. Its cost is low, and fault self-repair of various circuits and devices can be realized through dynamic configuration. Making full use of the fault signals, correcting circuit can be found through EHW technique to realize the balance and compensation of the fault output-signals. In this paper, the self-repair model was analyzed which based on EHW and RBT technique, the specific self-repair strategy was studied, the corresponding self-repair circuit fault system was designed, and the typical faults were simulated and analyzed which combined with the actual electronic devices. Simulation results demonstrated that the proposed fault self-repair strategy was feasible. Compared to traditional techniques, fault self-repair based on EHW consumes fewer hardware resources, and the scope of fault self-repair was expanded significantly.     

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。     

高超声速滑翔飞行器地形匹配辅助导航方法研究

高超声速滑翔飞行器滑翔飞行高度在30 km以上,大气极其稀薄,传统采用气压高度计的地形匹配辅助导航方式将无法正常工作。为实现高精度地形匹配,在分析匹配算法对地形常值误差不敏感的基础上,详细论证了基于惯性系统解算绝对高度方案,并对比分析了将短时滑翔段弹道简化为等高飞行方案。在捷联惯性导航系统（SINS）误差模型基础上,结合高度通道方块图,通过拉普拉斯变换,建立了惯性系统高度通道短时稳定性解析模型,并以CAV-H为研究对象建立数值仿真环境。仿真结果表明,解析模型精度较高,基于SINS解算绝对高度能够满足地形匹配辅助导航系统精度要求,优于气压高度计正常工作时的精度。      

吸气式电推进系统可行条件分析

吸气式电推进系统作为有可能实现长寿命超低轨飞行的技术而被关注。根据不同轨道环境条件,采用管状结构进气道、以及机械增压的吸气方式,讨论了吸气式电推进系统所需的可行条件。分析表明,在轨高度180~240km,航天器所需总功耗与迎风面之比需要大于2kW/m2,电推力器比冲需大于4×104m/s,方可满足推阻平衡需求。分析得出,实现吸气式系统在地球轨道的运用,关键技术在于增加气体收集效率并且降低收集功耗,同时电推力器的效率还需进一步提升。     

可控翼伞,返回舱组合体滑翔性能研究

文中采用“九自由度”动力学模型分析了可控翼伞、返回舱组合全的滑翔性能。     

高超声速滑翔飞行器轨迹优化与制导综述

针对多约束条件下高超声速滑翔飞行器轨迹优化与制导问题,从离线和在线两个方面综述了高超声速滑翔飞行器轨迹优化与制导方法,并进行了展望。首先建立了带随机干扰的高超声速滑翔飞行器轨迹优化与制导问题模型。针对是否考虑随机干扰,从确定性和鲁棒性两方面对离线轨迹优化与制导进行了综述。在线轨迹优化与制导方面主要对在线轨迹生成加轨迹跟踪的标准轨迹制导和预测制导两方面进行了综述。最后,提出轨迹优化与制导技术应加强在模型、计算效率、多任务、高精度制导等几个方面的研究。     

空天飞行器返回滑翔段在线制导方法

针对空天往返飞行器的返回滑翔段在线制导问题,设计了一种新的滑翔段飞行剖面,实现了滑翔段终端交班高度、位置和倾角约束的自动满足,减少了在线制导算法中需处理的约束数量.推导了滑翔段运动状态、过程约束和性能指标的解析表达式,获得了剩余航程和终端速度间的函数关系.在此基础上,提出了一种双层在线制导方法:内层解析重构飞行剖面,同...     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

助推-滑翔导弹再入弹道快速优化

基于LGL(Legendre-Gauss-Lobatto)伪谱法,研究了临近空间助推-滑翔导弹再入段弹道快速优化问题。首先,基于改进的气动力模型建立了较为精确的再入数学模型;其次,针对该优化问题在气动数据处理和优化求解上存在的困难,基于LGL伪谱法系统地建立了再入最优飞行弹道的求解步骤,为解决直接利用LGL伪谱法存在的困难,设计了一种基于LGL伪谱法的串行优化求解策略;最后,分别采用积分推进法和协状态映射原理对优化结果进行了可行性和最优性验证。仿真结果表明,本文的弹道优化方法优化1条再入弹道所用时间为3～4 s,计算效率较高,路径约束和端点约束均得到很好满足,算法求解精度较高,有效地实现了多约束多变量大型稀疏的再入弹道导弹快速优化。