空间太阳望远镜上摆镜装卡变形的研究

通过控制一个光学摆镜的运动来补偿空间太阳望远镜抖动,摆镜在装卡力作用下变形的求解至关重要。分别运用解析法和接触非线性有限元法进行计算,解析法通过引入弹性地基理论得到由Zernike多项式表示的摆镜装卡变形微分方程,运用Moore\|Penrose广义逆矩阵法求解所有可能变形,再根据最小势能原理得到外力作用下的实际变形,同时直接得到光学设计者惯用的Seidel像差系数;有限元法通过接触非线性来模拟螺栓装卡的作用力。两种算法对同一算例分别进行计算,比较结果可知两者仅相差10.7%,表明解析法正确有效,有限元法模型正确。     

有输入未建模动态的非线性系统自适应逆设计

对于一类存在输人未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。文中仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐近稳定性。最后给出的仿真研究证明了该设计方法的有效性。     

逆向卸荷式气体减压阀的静态特性分析

对影响减压阀压力调节精度的非线性因素——摩擦力和流体稳态力进行了研究与讨论,建立了逆向卸荷式气体减压阀的静态特性数学模型,其中计算结果与实验结果相吻合。分析结果表明,摩擦力和流体稳态力对减压阀的静态特性偏差有着不同程度的影响,因此在设计过程中应该考虑摩擦力、流体稳态力对减压阀静态特性的影响。     

卫星姿态测量信息的二阶非线性滤波技术研究

卫星应用任务要求卫星姿态在空间保持高精度定向 ,为此有必要研究精确的递推非线性姿态估计算法。文中针对星光 陀螺这种典型的三轴稳定卫星姿态确定系统模式 ,应用基于二阶泰勒级数近似得到的非线性滤波算法处理姿态测量信息 ,设计了二阶非线性姿态估计器的实现方案。在设计过程中 ,把QUEST法作为矢量观测数据压缩技术有效地结合进姿态估计器中 ,使得在多矢量观测情况下的滤波修正算法得到了简化。相同条件下的仿真测试结果证明 ,二阶非线性姿态估计器的滤波性能要优于采用扩展卡尔曼滤波技术的一阶线性姿态估计器     

基于L-M网络的涡扇发动机动态过程辨识

介绍了多层前馈网络的Levenberg-Marquardt (LM)算法,对涡扇发动机动态过程的数学模型进行了分析和简化,运用多层前馈网络L-M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识,辨识所用样本数据和测试数据均为试飞实测数据.辨识结果表明,这种方法收敛快精度高,非常适合于涡扇发动机非线性动态过程的建模.     

离心压缩机梳齿密封气流激振的数值模拟

把研究物体在流场中振动时的受力和运动特性的非线性振子模型,推广到转子密封系统非线性动力学问题的研究中,突出了小间隙中非定常流对转子运动的影响。对某离心压缩机转子密封系统气流激振的数值模拟及其与实际运行数据的对比,证实了本文方法的有效性,为在工程设计和操作中预防和避免气流激振的发生。      

一种非线性末制导系统模型的精确线性化

针对未来高机动目标的拦截 ,运用非线性系统几何理论中的精确线性化方法 ,设计了一种空空导弹非线性末制导系统加速度指令。假设目标做逃逸机动 ,弹体 -自动驾驶仪响应用一个二阶环节描述 ,建立了导弹目标三维相对运动方程。根据终端约束直接选取系统输出阵 ,经动态反馈线性化 ,将非线性系统模型转化为线性方程 ,求得了目标任意机动时的非线性末制导系统的加速度指令。以纵向平面为例进行了仿真计算 ,结果表明该方法是行之有效的 ,得到的解可以用来改进导弹大离轴发射角时的进攻能力。     

间隙非线性气动弹性系统颤振及控制问题研究进展

含有间隙结构的气动弹性系统非线性颤振问题是飞行器气动弹性力学工程领域的研究热点和难点。根据目前现代飞行器结构轻量化设计及更大机动性能的发展趋势,非线性颤振问题日益突出,直接关系到飞行器的安全与性能。因此综述了近几十年来带间隙非线性的非线性气动弹性力学模型、非线性系统辨识及非线性动力学与控制等问题的研究进展。在已有相关研究成果的基础上提出了今后值得进一步解决和关注的研究问题。     

基于增量-迭代算法的SABRE系统非线性分析流程设计

随着大型复杂装备结构分析的非线性问题日益突出,基于线性理论的有限元分析方法已难以满足复杂工程结构设计与研制需求,必须借助非线性有限元方法来获得结构的全状态力学性能。鉴于工程结构对非线性有限元分析的迫切需求,在新架构下的自主CAE软件SABRE系统中,基于增量-迭代算法研发了非线性有限元计算流程和相应的功能模块,初步实现了结构非线性分析功能。数值算例表明,研发的分析流程具有较高的精度,可进一步基于该流程进行功能的扩展和性能的提升。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。