智能结构应用给飞行力学带来的挑战

探讨了智能结构在航空航天中的应用可能性和应用领域，包括智能结构的发展概况。概述了智能结构技术的发展和应用给飞行力学学科带来的新课题和新挑战，如具有智能结构的飞行器的动力学建模问题，参数辩识问题，稳定性与操纵性分析及飞行试验问题，智能结构机械特性，电磁特性等相互耦合及其飞行器性能的影响等问题，智能结构设计技术将是下一世纪飞行器设计中最重要的技术这一。     

大气湍流光学长曝光像的数值计算

在介绍大气湍流光学长曝光像的两个模型——高斯模型(空间域模型)和统计平均光学传递函数模型(空间频率域模型)的基础上，推导两模型之间的关系与差别，并应用两模型数值计算了扩展目标通过大气的长曝光成像结果。此外，还应用高斯模型给出了自适应光学系统校正后的远场光斑。     

An adaptive fast fixed-time guidance law with an impact angle constraint for intercepting maneuvering targets

Sliding mode guidance laws based on a conventional terminal sliding mode guarantees only finite-time convergence, which verifies that the settling time is required to be estimated by selecting appropriate initial launched conditions. However, rapid convergence to a desired impact angle within a uniform bounded finite time is important in most practical guidance applications. A uniformly finite-time/fixed-time convergent guidance law means that the convergence (settling) time is predefined independently on initial conditions, that is, a closed-loop convergence time can be estimated a priori by guidance parameters. In this paper, a novel adaptive fast fixed-time sliding mode guidance law to intercept maneuver targets at a desired impact angle from any initial heading angle, with no problems of singularity and chattering, is designed. The proposed guidance law achieves system stabilization within bounded settling time independent on initial conditions and achieves more rapid convergence than those of fixed-time stable control methods by accelerating the convergence rate when the system is close to the origin. The achieved acceleration-magnitude constraints are rigorously enforced, and the chattering-free property is guaranteed by adaptive switching gains. Extensive numerical simulations are presented to validate the efficiency and superiority of the proposed guidance law for different initial engagement geometries and impact angles.     

基于进化神经网络的组合导航系统滤波算法研究

组合导航系统中,卡尔曼滤波算法的估计特性依赖于精确的系统模型和准确的外观测数据.任何一个条件不满足将导致滤波精度下降甚至发散.为此,本文引入进化神经网络和自适应卡尔曼滤波技术.仿真结果证明,文中所提算法能够有效克服常规卡尔曼滤波的缺点,并保持较高的精度.     

一种组合自适应模糊控制方法及其在月球探测车上的应用

自适应模糊控制是解决不确知非线性系统问题的一种有效手段。文中以月球探测车的驱动控制为背景,针对这类非线性MIMO系统,提出一种组合自适应模糊控制方法,用于系统模型不能准确获知的情形。在本方法中,控制律由3部分组成:监督控制项、跟踪控制项和补偿控制项。在控制律的设计中,通过自适应项来同时补偿模糊逻辑系统的逼近误差以及外部干扰的影响,且无需假设模糊逻辑系统最小逼近误差的上确界已知。基于Lyapunov方法,证明了闭环系统是全局稳定的,系统输出误差渐近收敛。将该方法应用于月球探测车的驱动控制中,仿真结果表明了方法的有效性。     

卫星ATM网络中自适应FEC情况下的有效带宽估计

针对采用自适应前向差错控制（AFEC）的卫星异步传递模式（ATM）网络，研究了两种有效带宽估计方法。由于AFEC码率的动态特性使业务实际的传输速率具有不固定性，因此估计有效带宽时要考虑AFEC的影响。首先针对一般卫星时变信道和多码率AFEC情况下的卫星ATM，应用流体近似方法分析了有效带宽的计算，然而该方法要求的条件及计算复杂度均比较高，应用中有局限性。以此方法为基础，提出了采用修正因子的估计方法。数值结果表明采用修正因子的有效带宽估计方法比较简单可靠，适用面较广。     

Rankine涡作用下激波变形和分叉的数值研究

数值模拟了激波和Rankine涡相互作用，重点研究了波涡相互作用引起的激波结构的变化过程。应用非结构化适应网格下的二阶精度Godunov型的PLM格式来求解Elder方程，对一平面激波与不同涡强Rankine涡相互作用下瞬态激波的运动、发展进行了研究。漩涡与激波间相对强度的大小对激波结构的影响明显，弱相互作用诱导激波变形，强相互作用诱导激波变形并产生分叉。计算结果表明，应用非结构化适应网格的PLM格式所得到的数值解较好地反映了瞬态激波结构的有关特征和信息。     

基于自适应滑模的变质心再入飞行器控制律设计

建立了有纵向单滑块的变质心再入飞行器系统控制模型。对该有输入非线性的快时变多体系统,考虑系统存在参数不确定等因素的影响并将完整的活动质量体动力学环节置入姿态控制,基于滑模控制理论设计了俯仰姿态跟踪鲁棒控制系统。在参数不确定性条件下对飞行控制系统进行了仿真。结果表明：设计的控制律可实现对指令角度和指令位置有效、快速、稳定...     

基于鲁棒自适应反步法的航天器姿态跟踪控制

针对存在未知惯量矩阵和外干扰的刚体航天器姿态跟踪,提出了一种鲁棒自适应控制方法。综合自适应反步法和非线性L2增益干扰抑制方法,用自适应反步法构造系统的Lyapunov函数,获得了具L2增益的鲁棒自适应控制器,以保证姿态跟踪误差系统为一致最终有界稳定,确保估计的航天器惯量参数的有界性,并使从外干扰输入到评价输出的L2增益不大于给定值。仿真结果验证了方法的有效性和可行性。     

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.