基于Teamcenter的航天器产品数控编程管理研究与实现

在对航天器产品数控加工的特点及传统数控编程管理方式分析的基础上,基于Teamcenter 2007系统提出数控编程管理解决方案并在生产实际中进行了应用实践。     

飞机低空突防轨迹优化研究

以歼击轰炸机为背景,根据实战要求假设作战环境和任务目标,对其在低空突防阶段的飞行轨迹、航时、油耗以及威胁概率等相关参数进行了研究分析,以期充分发挥飞机的潜在能力,提高作战效能,为实战使用和改进设计提供参考。对优化轨迹的仿真研究表明,所得出的战术飞行轨迹优化设计结果是合理的,同时也证实了战术飞行轨迹优化设计的有效性和可行性。     

基于样条曲线的机动弹头再入轨迹优化研究

使用三次样条函数拟合再入飞行器纵向运动轨迹,以样条曲线上的控制节点为优化参数,将再入轨迹优化问题转化为静态参数优化问题.最后以纵向平面内的最优轨迹为例,以终点速度最大和飞行时间最短为优化目标,采用基于Pareto定级排序遗传算法求解了在末端状态受约束的最优再入轨迹问题,验证了该方法的有效性.     

一种级间无动力飞行时间在线自适应确定方法

针对直接入轨固体运载火箭的多约束条件,为减小飞行攻角指令大小和飞行轨迹散布,以改善火箭飞行的力热环境和减小入轨点速度损失,提出了一种根据实际飞行情况在线确定级间无动力滑行时间的数值预测方法。首先,在合理的假设下,综合考虑计算精度和计算效率,建立了无量纲化的数值预测制导模型。随后,考虑飞行过程约束和入轨终端约束,制定了级间无动力滑行时间数值预测制导策略和流程。最后,通过数学仿真,表明所提方法在满足入轨点参数及控制精度要求的情况下,大幅减小了飞行攻角指令,缩小了飞行轨迹散布,具有较好的应用价值。     

二维翼型结冰数值计算

翼型结冰计算是随着结冰时间步长变化的准定常过程,因此在每个时间步长后都要更新各个模块的计算工作,如此反复直到达总结冰计算时间.在各模块计算中,分别采用了泊松方程法生成网格、求解雷诺时均方程计算流场、拉格朗日追踪法求解水滴轨迹、基于Messinger模型计算冰形、采用变距滤点法重构边界.引入动态链接库技术将各模块集成为结冰计算平台,并将三种冰形(楔形冰、槽状冰及混合冰)计算结果与国外软件及试验数据进行了对比.      

考虑移动目标不确定行为方式的轨迹预测方法

针对现有方法难以预测出符合飞行移动目标不确定行为方式轨迹的问题,提出基于逆强化学习的飞行移动目标轨迹预测方法,通过学习目标行为偏好以及模拟目标行为决策过程的方式预测目标的移动轨迹。首先基于深度神经网络建立目标的行为决策模型与行为偏好模型,然后通过最大熵逆强化学习方法交替地学习模型参数。为了有效地学习目标的不确定行为特征,采用监督学习的方法学习出目标示例轨迹概率分布模型,用于指导目标行为偏好模型的训练以及初始化目标行为决策模型,同时通过对目标行为偏好模型进行预训练的方式提高其训练质量。仿真结果表明,提出的飞行移动目标轨迹预测方法可通过学习到的目标行为决策模型较为准确地模拟目标的行为方式,预测的目标轨迹分布与真实的目标轨迹分布在Kullback Leibler(KL)散度下的相似度可达0.24。     

基于混合优化的运载器大气层内上升段轨迹快速规划方法

针对运载器大气层内的最优轨迹快速规划问题,提出一种将求解最优控制问题的间接法与直接法相结合的混合优化方法。首先,基于最优控制问题的一阶必要条件,将运载器大气层内的三维最优上升问题转化为Hamiltonian两点边值问题;然后,采用直接法中能以较少的节点获得较高求解精度的Gauss伪谱法进行求解,提高算法的求解效率;最后,采用真空解析解初值及密度同伦技术,解决初值猜测与算法收敛困难的问题。仿真结果表明,混合优化算法能够准确、快速地对运载器大气层内的最优上升轨迹问题进行求解,并在计算精度与效率上均优于间接法,可应用于运载器的轨迹在线规划与闭环制导。     

控制系统为“嫦娥”导航

制导与控制系统是运载火箭的大脑与神经中枢,承担着实现运载火箭飞行轨迹、姿态以及轨道精确控制的功能,保证运载火箭沿预定的轨道稳定飞行,确保航天运输器将卫星、飞船、空间探测器等飞行器准确送入预定轨道,降落在指定的位置。在嫦娥三号探月任务中,中国航天科技集团一院控制系统研制团队,担负着运载火箭整个控制系统的研制工作,包括制导系统、姿控系统、箭上综合、地面测发控系统4大系统设计,以及飞行软件、测发控软件编制与验证,仿真试验、综合试验等大型试验。     

基于时空轨迹信息的目标行为模式在线分类方法

在预警监视领域,及时地预测目标行为模式对于态势认知至关重要。首先,针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题,提出了带有离群检测的归纳式一致性多类预测器（ICMP）。其次,针对目标行为分类算法仅考虑目标的空间位置信息,而忽略航向和速度信息的问题,基于轨迹的时间和空间2个维度的信息提出了时空Hausdorff距离（STHD）,从而可以有效区分空间位置相似但运动速度和方向不同的行为。然后,基于定向时空Hausdorff距离和K最近邻思想构造了定向时空Hausdorff最近邻不一致性度量函数（DSHNN-NCM）;在此基础上,提出了带有离群检测的序贯时空Hausdorff最近邻归纳式一致性多类预测器（SSHNN-ICMP）,能够在预警监视场景下对目标频繁出现的行为进行在线学习和分类。最后,分别在仿真军事场景和真实民用场景中进行实验分析,结果表明本文算法具备较好的准确性和实时性,在预警监视任务中有良好的应用前景。