垂直起降重复使用运载器返回制导与控制

针对垂直起降可重复使用运载器返回全程非线性、高动态、强扰动、多约束条件下的精确着陆问题,开展适应各飞行段任务特性和需求的返回全程制导控制方法研究。首先分析返回全剖面各飞行段的特点及对制导控制的需求,建立了动力学模型;然后基于经典制导控制方法给出可行的返回全程制导控制方案,并针对其不足分别设计修航段基于剩余时间估计和几何关系目标点自适应更新的双层迭代制导、返回末段多约束自适应制导和返回全程自抗扰控制器,构建了自适应强抗扰新型返回全程制导控制方案;最后进行了数学仿真,通过对比分析经典制导控制方案和新型制导控制方案在小偏差/扰动和大偏差/扰动两种条件下的飞行状态,验证了新型制导控制方案下更高的着陆精度、更强的适应性和抗扰性。     

基于失效概率的涡轮后机匣全局灵敏度分析

涡轮后机匣是航空发动机安全的关键部件,但是其具有工况复杂、不确定性因素多的缺点。为了探究输入随机变量的不确定性对涡轮后机匣结构失效概率的影响,建立参数化有限元模型进行确定性分析。考虑材料性能、几何参数及外部载荷的不确定性,对涡轮后机匣两种典型失效模式：强度失效以及刚度失效建立极限状态函数;通过构造自适应Kriging 代理模型并结合重要抽样方法评估涡轮后机匣结构失效概率,利用基于失效概率的全局灵敏度方法对涡轮后机匣结构可靠度的不确定性来源进行分析,对各输入随机变量重要性进行排序,构建一种涡轮后机匣全局灵敏度分析框架。结果表明：涡轮后机匣在两种失效模式以及系统失效模式下,发动机推力以及线性膨胀系数对结构失效概率影响最为显著,应对其重点考虑;内外机匣长度以及材料弹性模量对涡轮后机匣结构失效概率影响较小,可对其适当忽略。     

基于模糊逻辑的组合导引律

攻击大机动目标的组合导引律由比例项和前置角项组成,可以得到平直的末段弹道,但通常不能保持在大范围攻击情形下均有效。本文在组合导引律的基础上,设计一种新颖的模糊逻辑控制器,采用视线变化率和前置角偏差为输入变量,通过规则库嵌入专家经验,实现智能改变组合导引律中的系数。通过仿真验证,相对于组合导引律,此方法在大范围攻击情形下弹道更平直,脱靶量更小。     

涡轮泵长程寿命的模糊可靠性设计和评估

根据涡轮泵的主要失效模式,建立了涡轮泵模糊可靠性设计方法。即对各部件进行模糊可靠性分配,再对涡轮叶片静强度、转子工作转速、转子轴疲劳强度、端面密封及轴承进行模糊可靠性设计,从而获得涡轮泵整机的可靠度。此处基于涡轮泵寿命服从威布尔分布,用模糊可靠性理论推导出涡轮泵长程寿命的可靠性评估公式。实例验算表明,评估值与预估值一致,设计与评估方法可行。     

BTT导弹的神经网络自适应反馈线性化控制

提出基于反馈线性化理论的BTT导弹自动驾驶仪设计方法。并提出由俯仰过载命令产生攻角命令的方法。应用CMAC神经网络构成一种自适应反馈线性化方案,使具有不确定性的实际系统获得要求的跟踪性能。闭环系统的稳定性由李雅普诺夫稳定性理论得到保证。该方法适合于控制导弹作全空域飞行。     

迎风格式在二维非结构网格中的应用

将原来在结构网格中提出的AUSM+ (AdvectionUpstreamSplittingMethod)格式 ,推广应用于二维非结构网格中 .利用格林 高斯公式对控制体内的变量进行线性重构 ,获得空间二阶精度 ,并采用Barth型限制器以抑制数值解的振荡 .为提高计算效率 ,采用了自适应多重网格法 .最后给出了NACA0 0 1 2翼型和平板激波反射的几个Euler方程的算例 ,并进行了分析比较 .     

压电智能桁架结构的位移最优控制

使压电智能桁架结构中待控制节点位移的最大值达到最小,以结构强度及作动器性态作为约束条件,以作动器电压作为控制变量,建立最优控制模型。对结构进行了机电耦合有限元分析,利用线性压电学原理,导出了结构节点位移及杆件应力与控制电压的关系。模型被转化为序列线性规划问题进行求解。用数值方法模拟了结构位移控制的效果,实例表明该方法在保证强度的同时,能有效控制结构的节点位移,并可处理任意工况多位移要求的情况,这是普通结构通过初始结构设计难以实现的。     

基于小生境遗传自适应RBFN的歼击机故障认定方法

在模式识别领域中,如何实现更高精度的分类一直是个核心问题。本文提出了将自适应RBF神经网络与小生境遗传算法相结合的方法,其中自适应RBF神经网络通过对样本判断,自动实现对RBF网络添加新的隐层节点或者将样本归于已存在的隐层节点所属的类;小生境遗传算法用于寻找最优的网络宽度值。两者相结合最后确定一个隐层节点数与类别数相同的俭省的网络。用歼击机故障数据进行仿真,比较结果表明此方法能实现更高精度的故障认定。     

复合材料层压板热屈曲优化设计的自适应免疫遗传算法

复合材料层压壁板的热屈曲优化问题是高速飞行器结构设计的重点考虑内容。通过对免疫遗传算法引入自适应交叉和变异,构造了一种自适应免疫遗传算法(AIGA),并将该算法应用于考虑强度约束的层压板热屈曲铺层顺序优化设计。并将算法的优化结果与简单遗传算法(SGA)、免疫遗传算法(IGA)的优化结果进行了比较,结果表明该算法收敛速度快,优化解的质量最好,并有效的克服了SGA易于早熟收敛,IGA收敛缓慢的缺点。同时研究了抗体调节系数对AIGA算法性能的影响。     

A variational Bayesian-based robust adaptive filtering for precise point positioning using undifferenced and uncombined observations

In the application of precise point positioning (PPP), especially in the dynamic mode, the classical Kalman filter (KF) usually produces a large number of estimation errors or diverges when there are gross errors in the observation data or unexpected turbulences occur in target motion state or both of them. For such problem, a variational Bayesian (VB)-based robust adaptive Kalman filtering (VB-RAKF) is proposed in this paper. This filter introduces a classification robust equivalent weight function to resist observation gross error and the inverse Wishart prior to model inaccurate process noise covariance matrix (PNCM). To improve the instantaneous accuracy of state estimation, the VB approach is used to obtain better estimations of inaccurate PNCM. Several sets of observation data collected by IGS reference stations and vehicles are employed to check the robustness and positioning accuracy of the VB-RAKF model. The results show that the VB-RAKF algorithm is more robust than the KF, and can effectively resist the gross error in observation data and control state disturbance. In the IGS reference station tests, when compared to the KF, the static positioning accuracies of the VB-RAKF in the north, east and up directions are improved by 13%, 8% and 22%, respectively, and the simulated dynamic positioning accuracies of the VB-RAKF in the north, east and up directions are improved by 19%, 9% and 21%, respectively. The in-vehicle dynamic test verifies that the VB-RAKF outperforms the KF, and shows that the VB-RAKF has better performance than the KF when dealing with observation data which has obvious gross errors, and similar performance as the KF when gross errors are small.