基于卡尔曼滤波的星敏感器在轨校准方法

根据星敏感器光学镜头以径向畸变为主的特点,采用一阶径向畸变模型,利用摄像机标定中的径向排列约束(RAC),对其外部姿态和内参数进行在轨校准。以采集到的星点的图像坐标和对应导航星在天球坐标系下的赤经、赤纬信息作为滤波器的输入,外部姿态和内参数作为输出,构造相应的状态方程和观测方程,进行两次卡尔曼滤波迭代,结果作为校准参数的最优估计。仿真实验表明:本方法能消除内部参数与外部参数的耦合,校准过程不依赖外部姿态,且状态方程和观测方程均为线性方程,满足卡尔曼滤波迭代的最优条件,能够精确估计出星敏感器内外参数,在星点成像位置噪声标准差为0.05像素时,校准后x、y方向上的平均误差分别为0.044像素和0.049像素。     

双路径自然增压铝合金2A12O充液拉深

 基于铝合金等难成形板材的需要,提出了双路径自然增压充液拉深新技术。用有限元法对铝合金2A12O双路径自然增压充液拉深进行研究,探讨径向压力和液池压力单独变化时对壁厚分布的影响;得到合理的液池压力和径向压力加载路径以及合适匹配比;分析了该方法中液池压力和径向压力成比例变化时,壁厚分布的变化趋势。结果表明：采用15.0~20.0 MPa的液池压力,并将液池压力经增压活塞1.45倍增压后引到毛坯法兰边缘,可获得壁厚分布比较均匀、成形质量较高的零件,并能显著提高板料的极限拉深比;液池和径向压力的比例变化影响成形零件的壁厚分布,并且在不同的成形阶段其影响趋势不同。对模拟分析得到的压力加载路径和增压比进行实验,得到拉深比达2.65的铝合金2A12O杯形件,并建立其成形合理的压力区域。     

空气系统径向内流引气的流动特性数值分析

对有/无导流盘引气结构的空气系统径向内流引气进行数值模拟,并对两者的流场和气流沿程总温进行对比分析。研究表明导流盘能显著降低气流的沿程总温,总温降高达40K,而无导流盘引气结构的总温降仅为10K。导流盘能减少气流的流动阻力,在小流量情况下的减阻作用更为明显。两种引气结构的旋流系数峰值随引气流量的增加而增大。在大引气流量下,带导流盘引气结构的旋流系数峰值高达3.0,其减阻优势严重削弱。通过对外作功和降低气流的旋转速度,导流盘具有减阻降温的作用,可以显著地提高空气系统的引气品质。     

一种基于径向基函数和峰值选择法的高效网格变形技术

基于径向基函数的网格变形方法因其具有诸多优点,而被广泛应用于气动外形优化设计等领域。对于大规模网格或复杂构型,该方法所需计算量是难以承受的。为了提高网格变形效率,可以通过减少建立插值模型所需支撑点数目来实现。为此,提出一种高效的选点算法--峰值选择法。该算法在选点过程的每个迭代步中对边界节点处的误差进行分析,从物面节点中选取多个峰值点来更新支撑点集,减少迭代步数,提高选点效率。在该算法的基础上,实现了网格的高效变形。三段翼型的网格变形算例证明：该方法可以在保证网格质量的同时实现复杂网格的变形。以DLR-F6复杂模型（约1 000万网格）的刚性运动和弹性大变形为算例对该方法的变形效率和变形后网格质量做了进一步评估：当相对误差设置为5.0×10^-7时,在保证变形后网格质量的前提下,该方法变形效率最快比传统贪婪算法提高了13倍,其中在选点效率方面最快提高了31倍。     

航空发动机风扇叶片伸根段造型设计与优化

探索了航空发动机风扇叶片伸根段造型的优化设计方法,利用它在保持叶身气动设计不变的情况下使风扇叶片振动特性得到改善。建立了基于非均匀有理B样条NURBS (non-uniform rational B-spline)桥接曲线的伸根段造型方法,实现气动叶身与榫头侧面间的光滑连接;通过改变桥接曲线控制顶点的位置实现伸根段造型的参数化设计,并在相关假设条件的基础上提取了完全定义伸根段造型所需的8个设计变量;以风扇叶片共振裕度最大化作为伸根段设计目标,在径向基函数网络(RBFN)与粒子群(PSO)算法的基础上建立了伸根段造型优化设计流程,其原理是构造RBFN近似模型来逼近和预测风扇叶片共振裕度与伸根段设计变量间的隐式目标函数,在此基础上使用PSO算法搜索使共振裕度达到最大化的伸根段设计变量组合。结果表明:某大涵道比宽弦风扇叶片采用上述流程,通过优化伸根段造型使风扇叶片轴向一弯模态的自振频率得到提高,与转速3倍频激振间的共振裕度提高约2%。      

弧齿锥齿轮传动试验器动力特性计算及分析

采用弯扭耦合传递矩阵法计算弧齿锥齿轮传动试验器的动力特性,研究弧齿锥齿轮啮合力作用下试验转子动力特性规律,分析试验器轴承受力及齿轮箱振动,各项计算结果与试验结果吻合较好。      

第三代移动通信系统中非线性多用户检测技术

在CDMA系统中，多用户检测技术是提高系统容量，减少用户间干扰的关键。非线性多用户检测包括干扰消除和神经网络检测技术。其中干扰消除检测是对不同用户独立进行MAI估计，然后从接收信号中减去对该用户而言的部分或全部MAI；多用户检测从本质上看是一个组合优化问题，所有解决组合优化的算法原则上均可适用于多用户检测，其中基于神经网络的解组合优化方法当然也适用于多用户检测。本文论述了几种非线性多用户检测器的基本原理及其特点。     

径向基神经网络在优化导引律中的应用

应用神经网络的非线性的特点,在纯比例导引律的导引下,分析战机的运动轨迹,通过采样取得的一系列载机的控制输入数据,根据追踪导引控制的内在要求(目标视线角速度的绝对值减小并趋于零),设计载机导引控制器的相应的离散输出值,离线训练一个径向基神经网络模块,嵌入到载机控制回路中,作为战机导引的控制输入,实现载机在纯比例导引下的性能优化;仿真结果表明,在节能及省时方面,能达优化纯比例导引律的目的。     

互耦补偿的神经网络算法用于均匀圆阵波达方向估计

径向基函数神经网络方法在阵列信号处理中得到广泛应用。但是，阵列天线单元间耦合对基函数中心的影响会降低波达方向估计的精度，因此有必要对神经网络的输入数据进行互耦补偿，以生成正确的基函数中心。本文首先利用矩量法计算天线阵的广义阻抗矩阵，再使用直接数据域算法对神经网络的训练数据进行互耦补偿，神经网络训练完成后，神经网络用于实现波达方向估计。仿真结果表明，神经网络算法和直接数据域算法结合具有补偿效果好，计算量小的特点。