AADL在航天器控制系统设计中的应用研究

以某型号航天器为例提出了一种使用体系结构分析和设计语言(AADL,architecture analysis & design language)分层次建模的方法,建立控制系统软件及软件与硬件之间的交互模型.采用状态自动机方式描述串口通信协议,以便分析模型.     

一种新的基于可解释性置信规则库的飞轮健康状态评估模型

飞轮系统的稳定运行对于航天器在轨安全影响重大，因而对飞轮系统进行健康状态评估至关重要。在进行飞轮系统健康状态评估建模时，不仅要求模型能够处理各种不确定性以保障评估结果的准确性，同时要求其具有透明合理的评估过程与可解释、可追溯的评估结果。因此，在深入研究置信规则库（BRB）建模方法的基础上，构建了一种新的基于可解释性建模的置信规则库（BRB-e）飞轮系统健康状态评估模型。首先，结合飞轮系统特征对模型的可解释性建模准则进行定义；在此基础上，设计了BRB-e评估模型的推理过程；然后，基于鲸鱼优化算法（WOA），提出了一种具有可解释性约束的BRBBRB-ee模型参数优化方法；最后，通过对某飞轮系统中轴承组件的评估案例研究，验证了模型在飞轮系统健康状态评估中的有效性。对比研究表明，BRBBRB-ee模型在评估结果准确性和评估过程可解释性方面具有一定的优势。     

厦航引进首台波音787综合程序训练器

##正##厦航培训部的波音787综合程序训练器(IPT)于4月13日完成安装验收工作,正式投入使用。波音787 IPT能够模拟驾驶舱所有的控制面板和电门,直观地描述各系统的工作状态。可以模拟飞机故障,有助于对波音787重复性和多发性的疑难故障进行分析,对飞行、机务及签派人员的理论培训有着重要意     

磁强计数据辨识卫星自旋状态

针对近地低轨三轴稳定卫星在轨管理后期,除磁强计外其他姿态敏感器都无效情况下的姿态异常问题,分析了三轴稳定卫星失去姿态基准后,星体自旋状态下三轴磁强计测量数据的特点,提出了使用磁强计测量数据的矢量信息,以找到能够获取卫星状态的方法,从而建立了磁强计测量矢量与卫星自旋轴的几何关系,给出了处于自旋状态下的卫星自旋轴确定方法。通过此种辨识方法,获得了某气象卫星姿态异常翻转状态下的自旋矢量方向和自旋角速度,从而证明了该辨识方法快速、有效,可以作为姿态异常卫星自旋状态的辨识手段,为恢复卫星姿态提供了重要信息,具有一定的工程应用价值。     

编队卫星的状态测量方法综述及可行的高精度星间基线测量方案研究

基线高精度测量是编队卫星应用需要解决的关键技术之一。针对这个问题,文章从3个方面进行了阐述。首先,综述目前国内外常用的编队卫星状态测量手段,然后在前面分析的基础上,结合编队卫星基线的表示方法和卫星编队飞行的特点,提出了2种可行的基线激光测量方案,并对它们各自的测量精度进行了简单地分析。从分析的结果来看,这2种方法均能实现高精度的基线测量。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

利用捷联导引头打击机动目标的自抗扰制导律设计

针对导弹制导系统中存在模型不确定性和目标机动信息难以获取等特点,提出了一种线性自抗扰(LADRC)制导律的设计方法。该方法以捷联导引头弹目视线角为输入量,对控制对象模型已知部分进行前馈补偿,对控制对象模型的不确定部分和目标的未知信息通过线性扩张状态观测器(LESO)进行估计并予以动态补偿,对改造后的系统再利用比例微分(PD)控制,完成制导律的设计。该方法无需获取目标运动加速度即可实现对加速运动机动目标的打击。仿真结果表明,弹道末端需用过载小于导弹的最大可用过载,脱靶量满足指标要求,具有很高的工程应用价值。     

一种基于状态转移的雷达脉冲时序特征描述方法

雷达脉冲具有时间序列的明显活动规律,传统的基于脉冲描述字的雷达脉冲频繁序列提取,只能获取脉冲序列片段,序列片段之间的时序关系不明确,无法描述整个信号的时序特征。提出了一种基于状态转移矩阵的雷达脉冲时序特征描述方法,将雷达脉冲时序分为固定序列和概率转移,通过挖掘出的雷达脉冲重复间隔序列,按照状态转移矩阵的模型,完成时序片段的拼接,描述整个雷达信号的脉冲时序特征,从而为雷达信号时序特征和工作模式研究提供依据。