对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况,研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型,设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰,设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合,采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律,通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性,同时验证了神经网络自适应滑模控制器的有效性。     

面向降落伞稳态CFD计算的网格生成方法研究

降落伞稳态流体动力学(ComputationalFluidDynamics,CFD)计算的网格生成是一个带边界层的三维复杂域网格生成问题,目前用于边界层计算的混合网格生成方法,往往存在计算繁琐、应用范围窄、自动化差、以及难以适应复杂外形的缺点。文章提出了一种结合约束德洛内(Delaunay)网格生成和网格前沿推进技术的降落伞稳态CFD计算的流场网格生成方法,实现了降落伞网格和包括边界层区域在内的流场网格一体化、全自动、高品质的生成。该方法采用网格前沿推进法来生成边界层区域的网格节点;算法整体上采用三维约束Delaunay网格生成技术,边界层层节点集合在网格生成过程中作为约束Delaunay三角化的约束条件,避免了复杂的网格求交计算和拓扑处理。网格生成实例表明,该方法能全自动生成降落伞稳态CFD网格,生成的网格品质、网格规模等满足降落伞稳态CFD计算的需求,同时该方法具有一定的通用性。     

基于BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。      

基于神经网络的机动飞行器自适应控制方法

针对机动飞行器强耦合性、快时变性以及高不确定性的问题,建立了六自由度刚体运动数学模型,按照时间尺度将姿态运动模型分为快变子系统和慢变子系统并分别设计动态逆控制律。然后给出了神经网络自适应控制器的设计方法,对神经网络的逆误差补偿原理、输入的选择、权值矩阵更新规则进行分析。通过算例进行六自由度仿真,证明本文方法的跟踪精度较高。     

基于DSP代码自动生成的测速算法实现

C2000系列DSP具有强大的数据处理能力和丰富的外部测量设备,广泛用于电机控制领域。但传统DSP开发方法周期较长、效率低。因此提出在MATLAB/Simulink环境中利用Target Support Package for TC2/C2000中的模块自动生成DSP代码,并下载到DSP中,实现了在MATLAB环境下同时完成算法设计与DSP代码生成。以此方法为基础,使用DSP的正交编码脉冲(QEP)模块与M/T算法设计了电机转速检测系统,并将检测结果通过DSP串口传入上位机,实现了电机转速实时显示。     

航空发动机过渡态试验进气压力线性自抗扰控制方法

航空发动机高空模拟试车台过渡态试验中进气控制系统受扰严重,常规方法难以有效提升进气压力控制品质,提出了一种基于线性自抗扰的进气压力控制方法。采用机理建模和系统辨识手段搭建高置信度进气仿真平台,设计线性自抗扰控制器,实现对发动机扰动影响的实时预估和补偿,形成具有主动抗扰机制的进气压力控制方法。考虑实际使用中存在控制器手/自动及控制器间的切换问题,设计实用型无扰切换方法。仿真环境下,将该方法与比例积分微分(PID)进行对比,结果显示进气压力最大偏离值由7.69kPa缩小至0.9kPa,且能够快速收敛趋于稳定,表明了该方法无需发动机信息即可实现进气压力的有效控制,通用性高,抗扰性优,能够大幅提升发动机过渡态试验中进气系统的调节品质。      

一种用于纳米颗粒场致发射推力器的自中和技术

纳米颗粒场致发射推力器(NFET)是一种用于微小卫星的固体工质静电推力器,为促进NFET的工程研制,提出一种新的自中和技术——反向充电中和策略。为研究这种自中和技术的设计方法,建立相应的数值模型以模拟该中和技术下羽流输运过程,并且,在真空舱中开展NFET的羽流测量试验来验证中和模型的正确性。以比色温度计和"打靶法"装置来分别测量羽流温度分布和推力,通过试验与仿真结果的对比,羽流温度变化的试验结果与仿真结果在定性规律上一致,推力的计算误差在9%～10%。在验证模型正确性的基础上,利用该数值模型对关键设计参数进行数值分析。结果表明:引出极与发射极的内径比变化会导致外加电场对剩余电荷颗粒作负功,引起推力下降,该物理参数在0.94附近时,推力达到极大值;而随着颗粒直径的增加,羽流中和区域整体向下游推移,推力升高。本文结论可为NFET的反向充电中和策略提供设计参考。