预旋喷嘴径向角度对预旋特性影响的数值研究

为了降低低位进气预旋流路的气动损失,针对带有不同径向角度（0°~30°）预旋喷嘴的预旋系统进行了数值仿真,并对流动特性、温降特性和比熵增特性进行了分析。结果表明:随着预旋喷嘴径向角度的增大,预旋系统无量纲温降先增大后减小,流动阻力减小,预旋系统的流量随之增大。旋转雷诺数为2.3×107时,预旋喷嘴带径向角度的预旋系统无量纲温降比传统喷嘴最大可提高18.3%,存在某一角度使预旋温降特性达到最好。预旋系统内的耗散主要发生在预旋腔和共转盘腔内,径向角度为10°时其比熵增变化量分别占整个预旋系统总体比熵增的42.4%和30.2%;合理设计预旋喷嘴的径向角度,能改善预旋腔内气流的流动效果,并且可以减少整个预旋系统的不可逆损失。      

目标速度对脉间变频格式RCS测试的影响

研究了在脉间变频格式目标雷达散射截面(RCS)测试中目标径向速度对测试结果的影响.从目标像位置偏移和目标像发散两个方面分析了目标径向速度造成RCS测试结果误差的原因,进行了计算机仿真,给出速度与误差的数值关系.通过对仿真数据的分析,提出减小RCS测试误差的方法.根据双通道雷达能够同时在两个频段上对同一目标进行测试的特点提出了一种校正被测目标径向速度影响的方法,并用该方法对BHEML-1型雷达的外场实测数据进行了处理和分析比较.     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

基于形貌优化法的无轴承开关磁阻电机减振降噪

脉振的径向电磁力作为激励源作用于12/8极单绕组宽转子齿无轴承开关磁阻电机（Bearingless switched reluctance motor with wider rotor teeth,BSRMWR）的定子齿面并传送至定子轭部及机壳,会引发较大的振动噪声,阻碍其推广应用。针对这一问题,本文从本体结构的角度入手对电机壳体进行优化改进。采用三维多物理场有限元模型,建立了BSRMWR电磁-结构-振动-声场耦合模型。通过对BSRMWR电磁场进行瞬态分析,得到径向电磁力。将模态应变能方法应用于BSRMWR的壳体得到电机外壳结构有较大的应变能,说明电机壳体结构的薄弱。基于此,通过形貌优化的方法对电机的壳体结构进行优化。结果表明,采用形貌优化后机壳结构的BSRMWR,其振动和噪声均有显著改善。     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

变几何径向透平损失模型及其分析

基于99 mm叶轮实验, 分析了变几何径向透平静叶的各种损失以及不同的损失模型.给出了变几何透平静叶冲角损失的定量分析.通过计算对比不同静叶喉部宽度下叶道边界层摩擦损失, 验证了Glass-man模型在计算叶片流道损失时, 与试验结果是相符的.基于NASA损失模型分析了径向透平静叶的尾缘损失, 损失随着出口边厚度呈线性增加, 减小出口边厚度是减小尾缘损失的有效方法.      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

基于序列近似优化算法的固体运载火箭弹道设计

采用打靶法研究固体运载火箭弹道优化设计问题。针对打靶法中智能优化算法效率、优化问题中约束条件提法等方面的不足,引入序列近似优化算法,提出算法中径向基函数高斯核宽度的高效确定方法。数值仿真实验表明,提出的方法可在基本不带来计算量增加的前提下,显著提高代理模型精度,使序列近似优化算法得到改进,提高优化效率。设计固体运载火箭飞行程序。建立弹道优化设计问题数学模型,并将模型中相关等式约束合理转化为不等式约束,降低优化问题求解难度;基于改进后的序列近似优化算法完成某固体运载火箭弹道优化,原始计算模型调用308次之后便搜索到最优解,较传统智能优化算法显著提高了优化效率,优化方案末助推级液体推进剂消耗比原方案减少25.7%。     

脉冲雷达凝视模式下低轨碎片相对运动特征分析

脉冲雷达凝视模式是一种探测低轨小碎片的重要方式,其中低轨碎片与雷达的径向运动关系是碎片统计分析的基础.为推算碎片相对雷达的运动特征,基于坐标系的相互转换,先利用雷达测站信息,得到可见碎片在地惯坐标系下的轨道信息;再逆向将目标不同时刻的位置转换至测站坐标系下,得到目标的径向运动特征.在不同要素（雷达波束指向、雷达仰角、测站纬度、目标距离）下,仿真及对比分析了各个参数对速度模糊度、雷达可见性等的影响,得出在凝视模式下目标相对雷达近似做径向匀加速运动,这为后续试验工作提供有力的依据.     

Design and Application of Discrete Sliding Mode Control with RBF Network-based Switching Law

This article proposes a novel approach combining exponential-reaching-law-based equivalent control law with radial basis function (RBF) network-based switching law to strengthen the sliding mode control (SMC) tracking capacity for systems with uncertainties and disturbances. First, SMC discrete equivalent control law is designed on the basis of the nominal model of the system and the adaptive exponential reaching law, and subsequently, stability of the algorithm is analyzed. Second, RBF network is used to form the switching law in a direct and online manner with sliding-mode-related inputs and by approximating evaluation function; and the method to adjust its parameters is devised. Finally, comparable experiments are carried out to verify the application of the proposed approach to an inner-axis driven by a direct current (DC) torque motor through extra-low speed servo for a high precision flight simulator, and the axis works under deteriorating conditions such as periodically fluctuating torques of motor, nonlinear friction, and time-varying model parameters. The results show that the combined SMC can effectively improve the servo performance, for instance, to a stable 0.000 08 (°)/s speed response, the tracking error would be within 0.000 08° in 98% of operating times. Moreover, the hybrid nature of the approach imparts the RBF network the features of removing offline training and ease to set initial parameters.