分布参数随机系统的条件滤波方法

针对分布参数随机系统在其控制输入,系统输出存在观测噪声情况下,提出了分布参数随机系统的条件滤波方法,使得在获得系统状态的最优估计的同时,可以得到关于不确知的控制输入的最优估值,该算法所具有的系统状态和控制输入的估计器结构上的相似性,为降低分布参数系统的滤波算法数值计算上的复杂性提供了一种解决途径,也使得该算法在工程实际中有较大的应用前景.     

梁式构件动力学响应分析的集总参数方法

详尽阐述了一种适用于梁式构件动力学响应分析的集总参数方法——有限段方法。采用有限段方法建立柔性梁式构件的离散模型,基于Ｋａｎｅ方程的Ｈｕｓｔｏｎ方法建立柔性多体系统动力学方程。该方程计入了梁式构件的几何非线性变形的惯性影响,在求解过程中,引入了相对位移的模态变换以提高计算效率。通过典型实验验证了有限段方法可以解决具有几何非线性变形的柔性梁式构件的多体系统动力学问题。     

导航卫星缘何神通广大?

全球导航卫星系统一般是由多颗卫星组成导航卫星网,只要用户测出与4颗导航卫星之间的距离变化率,并根据导航卫星发出电波的时间、轨道参数,就可以确定自己瞬时所在经纬度位置和速度方向。卫星导航的方法有两种,一种是多普勒测速导航,另一种是时间距离导航,简称时距导航。多普勒测速导航。我们知道,导航卫星上发出的无线电波的频率是不变的,但由于导航卫星在高速运动,相对地面的观测者来说,频率会发生变化(频移)。由远而近时,频率会增高,由近而远时,频率会降低,这与我们站在铁路旁听火车的汽笛声一样,由远而近时,声音越来越尖锐,由近远去时,声音越来越低沉,其实火车汽笛声的频率是不变的,这种现象被科学家称为多普勒效应。     

基于人工免疫算法的地球-火星小推力转移轨道优化

利用人工免疫算法研究了地球-火星小推力转移轨道优化问题。首先针对地球-火星转移轨道的特点建立系统模型并进行归一化处理;然后通过参数化和罚函数将小推力轨道优化问题转化为非线性规划问题;最后提出一种引导型人工免疫算法(Guiding Artificial Immune Algorithm,GAIA)并对该优化问题进行寻优。仿真算例表明,该算法收敛速度快,寻优精度高,且避免了初值敏感、病态梯度和局部收敛等问题;同时验证了GAIA用于小推力轨道优化的有效性。     

基于VP的虚拟试验系统仿真设计

虚拟试验系统的目的是通过虚拟试验真实反映飞行器的起竖过程,为瞄准技术的误差分析提供良好的仿真基础和设计依据。对飞行器机动发射的起竖过程进行建模,在数学模型基础上,通过三维可视化仿真技术模拟发射前的整个起竖过程,初步完成虚拟试验过程可视化系统的研制,建立虚拟试验系统中飞行器、车、发射场等三维模型,实现了人机交互功能,建立了系统仿真平台。     

2.5维自适应磁场重联MHD模式

磁雷诺数(R_m)是影响磁场重联的重要因素. 真实的物理环境中R_m往往很高, 例如, 在行星际空间和太阳日冕中R_m通常大于10⁴量级. 高R_m条件下的磁重联表现出很多异常特性, 然而高R_m条件下的磁场重联数值模拟需要很高的时空分辨率, 否则很难分辨出重联过程中形成的薄电流片. 本文基于自适应软件包PARAMESH将并行自适应网格技术引入磁场重联数值模拟, 建立了一个2.5维自适应磁场重联MHD模式, 研究高磁雷诺数条件下重联的动态演化过程, 进而将不同磁雷诺数的参数进行对比研究. 结果表明, 该模式可以自动捕捉到磁场重联产生的奇性电流片, 高磁雷诺数条件下产生的慢激波结构可提供一种快速磁能释放机制.     

飞轮扰动经验模型参数的识别与改进

对飞轮扰动模型参数的精确识别是研究光学卫星高稳定度、高分辨率成像的基础. 目前, 飞轮的扰动模型识别主要有两种: 经验模型和分析模型. 经验模型需要识别的参数是谐波级数和幅值系数, 而当前存在的参数识别算法忽略了时域截断的影响, 导致幅值系数识别存在较大偏差, 这会引起扰动响应分析的不确定性. 针对上述情况, 提出了窗函数法和与其相关的频域恢复技术, 有效弥补了时域截断的影响. 通过实验仿真结果可见, 该方法大幅度提高了幅值系数的识别精度.     

基于增量模型的BTT导弹新型解耦补偿控制

详细分析了倾斜转弯(BTT, Bank-To-Turn)导弹传统动态逆控制的特点及其存在的问题,在此基础上提出了一种基于增量模型的BTT导弹解耦补偿控制方法.该方法通过建立一种描述从当前动态转移至期望动态的BTT导弹增量模型,消除了难以测量或不确定较大的模型部分;在此基础上结合动态逆控制思想设计了BTT导弹的增量式解耦跟踪控制律,与传统动态逆相比,该控制律对模型的依赖程度大幅降低;为进一步提高控制系统对干扰的适应性,提出了一种简单的干扰估计/补偿策略;最后通过数学仿真验证了该方法的有效性.     

一种基于假设检验的多重渐消卡尔曼滤波

提出了一种基于假设检验的带多重渐消因子卡尔曼滤波的新算法.该算法采用χ2检验法,通过渐消因子矩阵对卡尔曼滤波器的噪声方差进行在线修正,从而使滤波器在对象模型存在误差或对象受到外扰时仍然收敛,同时能够提高系统的精度.该算法应用于车载GPS (Global Positioning System)/INS(Inerial Navigation System)组合导航系统中,取得了良好的效果.