单轴台的大角度姿态快速机动联合控制方法

为验证小卫星大角度姿态快速机动与高精度稳定控制能力,基于单轴气浮台硬件仿真环境,提出了一种利用推力器与飞轮组合的联合控制策略.采用相平面控制技术与有限时间控制理论设计控制器,利用推力器实现无超调的快速机动控制,利用飞轮实现有限时间内的高精度稳定控制,使单轴台在有限时间内快速高精度稳定于目标姿态.物理仿真结果表明:该方法在有限时间内完成单轴台快速稳定控制的同时,可有效避免机动过程中的超调现象,且能有效规避推力器的频繁开关与飞轮的过快饱和等问题.     

基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

UV镜对摄影测量精度的影响及消除方法研究

针对摄影测量中加入UV镜后对测量结果的影响问题进行了研究。通过理论推导UV镜对于像点坐标偏移的影响,得出UV镜对像点偏移的影响规律,并提出采用自检校光束法平差的方法消除UV镜对像点偏移的影响,实验证明本文得出的对UV镜产生的像点偏移规律的分析及解决方法都是正确的。     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

卫星控制系统全物理仿真

仿真是应用相似定理和类比关系来研究事物 ,也就是用模型代替实际系统进行实验和研究。在卫星控制系统仿真中 ,根据所介入的模型的不同 ,分为数学仿真和物理仿真两类。卫星控制系统全物理仿真是研制卫星过程中特有的一种仿真方法 ,它利用气浮台作为运动模拟器 ,又称为气浮台仿真。本文主要叙述卫星控制系统全物理仿真的原理和用途 ,简要介绍单轴气浮台和三轴气浮台两个全物理仿真系统的组成、主要设备的技术指标以及卫星控制系统全物理仿真的几个实例     

高空舱内大流量进气收缩型面气动特性数值研究

应用CFD方法对不同收缩型面设计方案进行了数值模拟,并对结果进行了对比分析。结果表明:①采用伯努利双扭线进气结构,收缩段后直段区域径向马赫数梯度较大,收缩段出口附近壁面静压变化剧烈,压力损失较大;②无伯努利双扭线进气结构,双三角函数收缩型面(DTC)壁面静压变化率较小;③不同工况下,伯努利双扭线和圆柱-四次曲线-圆锥-四次曲线组合收敛曲线(CQCQ)型线组合、伯努利双扭线和DTC型线组合、仅CQCQ型线、仅DTC型线四种结构,壁面附面层厚度在收缩段出口基本一致;④进行大流量发动机试验,高空台可参考选用仅CQCQ型线和仅DTC型线作为亚声速进气结构。     

英国罗·罗公司的58号大型试车台

<正>58号大型试车台,是罗·罗公司为推动英国制造业发展及提升产品性能,于2007年在英国德贝投资建设的大型试验设备。58号试车台是罗·罗公司最新、最大且噪声最小的试验设备,同时也是世界上最大的试车台之一。该试车台具有降矂双层顶盖与舱壁,包含11 000m3的混凝土结构及容量达1 000t的进排气消声装置。该试车台除了承担2007年关闭的诺丁汉哈克奈尔专用露天试车台上进行的关键取证试验外,还承担了发动机投入使用前必须进行的一些试验,如风扇叶     

变几何径向透平损失模型及其分析

基于99 mm叶轮实验, 分析了变几何径向透平静叶的各种损失以及不同的损失模型.给出了变几何透平静叶冲角损失的定量分析.通过计算对比不同静叶喉部宽度下叶道边界层摩擦损失, 验证了Glass-man模型在计算叶片流道损失时, 与试验结果是相符的.基于NASA损失模型分析了径向透平静叶的尾缘损失, 损失随着出口边厚度呈线性增加, 减小出口边厚度是减小尾缘损失的有效方法.      

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.      

空间对接地面半物理仿真台系统仿真研究

 飞行器空间对接地面半物理(HIL)仿真台是进行空间对接技术研究、对接机构地面检测以及对接过程的故障复现等多种用途的关键设备。论文阐述了飞行器空间对接地面半物理仿真台系统建构思想。在此基础上推导出空间对接地面半物理仿真台的空间对接动力学模型。基于物理建模的思想,用SimMechanics工具箱建立了空间对接地面半物理仿真台的机械系统,用Matlab/Simulink建立了控制系统模型,建构了虚拟空间对接地面半物理仿真台。采用滞后补偿等使系统的闭环动态性能达到要求。在空间对接地面半物理仿真台虚拟样机上,采用无阻尼振荡模型对空间对接动力学模型等进行了验证,对空间对接的缓冲过程进行了仿真。仿真结果表明空间对接动力学模型是正确的,空间对接地面半物理仿真台系统的建构思想是可行的。