面向飞机自动化装配的工业机器人标定技术

将工业机器人用于飞机的自动化装配有着很高的定位精度要求,对六自由度KUKA机器人的定位精度补偿方法进行了研究,该方法通过建立机器人运动学误差模型,以Levenberg-Marquardt阻尼迭代最小二乘法求出适合机器人标定空间的各参数误差最优值并以Kuka机器人为实验平台进行试验验证。经过补偿后,标定空间内机器人的绝对定位精度得到极大改善,可以满足飞机自动化装配的精度要求。     

考虑脆弱性的航空发动机剩余寿命预测

比例危险模型采用协变量的方式综合多个参数实现对系统的剩余寿命预测,已在航空发动机中得到了应用。然而由于传统比例危险模型是以假设多个研究样本独立同分布,即基本失效率相同为基础的,但对于航空发动机而言,由于运行环境和使用的不同,基本失效率存在差异。研究表明,忽略样本之间的差异会导致估计结果存在严重偏差。为此,本研究将引入用于表达样本之间非独立性的脆弱性概念,针对航空发动机,建立更具普遍性的脆弱性比例危险模型,首次应用于航空发动机的剩余寿命预测。通过实例表明,基于脆弱性比例危险模型得到的预测结果平均误差为4.6%,而基于传统比例危险模型的预测结果平均误差为6.9%,验证了脆弱性比例危险模型在航空发动机剩余寿命预测中的有效性。     

大型双曲冷却塔表面脉动风压随机特性——风压极值探讨

针对风压信号呈现的非高斯特性和传统极限估计方法的局限,首次提出基于保证率和相关性的极值估计方法--全概率迭代法进行冷却塔表面脉动风荷载极值分析,并和传统的峰值因子法及改进的Sadek-Simiu法计算结果进行对比验证.结果表明:全概率迭代法避开了对随机过程的高斯分布假定,相比传统的极值估计方法其结果更加真实可靠;表达风压极值中脉动分量的峰值因子数值沿着环向和子午向变化显著,如取为同一数值则偏于危险或过于保守;采用全概率迭代法得到的表面风压系数极值分布曲线与规范取值相比,迎风面和负压峰值区域极值偏小,背风区域极值偏大,且最小值对应角度相差约10°.     

用Chebyshev多项式加速的子空间迭代法

研究计算大型稀疏对称矩阵的若干个最大或最小特征值的问题，首先引入了求解大型对称特征值问题的子空间迭代法和Chebyshev迭代法，并对后者作了理论分析。为了加速子空间迭代法的收敛速度，作者用Chebyshev多项式来改进原始的子空间迭代法，即讨论Chebyshev迭代法对子空间迭代法的应用，从而给出了Chebyshev-子空间迭代法。最后把原始的方法和改进的方法计算数值例子的结果进行了比较，其结果表明Chebyshev-子空间迭代法比子空间迭代法优越，不仅收敛速度快，并且减少了计算量和计算时间。     

基于无线电波坑道透视算法数学模型的研究

本文从地下电磁波远场场强公式出发,采取地质数学常用数学方法,依据最小二乘法原则进行迭代线性拟合,建立数学模型,采取"F-检验法"检验,旨在通过坑透数据处理,准确推断出工作面的地质构造。     

解线性方程组的广义共轭梯度法的一种推广

解线性方程的广义共轭梯度法可以看成是一种Ｋｒｙｌｏｖ子空间的方法。本文从这点出发给出了ＧＣＧ法的一种推广。新方法所求得的近解能使得残量范数在相应的Ｋｒｙｌｏｖ子空间上取得最小值。在处理对称正定问题时,它等价于共轭残量法。但由于迭代过程中不再产生和存储Ａ－共轭向量,方法的实现更为简单。     

基于变分迭代的航天器相对姿轨耦合动力学解算方法

针对航天器相对姿轨耦合一体化运动,在定义坐标系下利用对偶四元数和旋量表示航天器的一般运动,推导出航天器六自由度运动学和动力学模型,并分别采用Runge-Kutta四阶算法和变分迭代法的配点形式求解该非线性模型。变分迭代法的配点形式是变分迭代法与配点法的复合,先给出变分迭代法的迭代方程,再把迭代方程应用到局部时间区间上探讨了局部变分迭代法,然后把变分迭代法与配点法结合得到数值迭代方程。利用对偶四元数所建立的模型相对于其他模型较为简洁,便于分析姿轨耦合特性。仿真结果表明,相比Runge-Kutta四阶算法,变分迭代法的解算精度更高。     

电动力绳系周期解求解及稳定性控制

电动力绳系姿态摆动动力学方程具有非线性特点,且姿态摆动状态直接影响着空间任务能否正常进行。首先,基于哑铃模型及偶极子地磁场模型假设,推导了在倾斜圆轨道上运行的电动力绳系姿态动力学方程。其次,给出了利用摄动法和不动点迭代法相互配合的数值方法求解该非线性方程周期解的过程及解的稳定性判断准则,并针对不稳定周期解提出了相应的稳定性控制策略。最后,通过数值仿真分析,得到了姿态摆动运动的周期解图像,验证了周期解求解算法的有效性,并对不稳定周期解实现了稳定性控制。     

基于Levenberg-Marquardt算法的航空发动机模型求解混合算法

为了降低航空发动机非线性模型求解的收敛性要求,将模型非线性方程组的求解问题转化为最小二乘问题,提出了基于Levenberg-Marquardt(L-M)算法的混合算法。为了使L-M算法跳出局部解,混合算法使用动力学方法修正局部解;为了提高计算效率,利用Broyden拟牛顿法加速L-M算法。以涡扇发动机为研究对象,应用混合算法、L-M算法、牛顿法和Broyden拟牛顿法进行稳态和瞬态仿真。结果表明：在稳态工况下,L-M算法和混合算法收敛范围更大,在随机初值条件下能达到90%以上的收敛率,远高于牛顿法和Broyden拟牛顿法不到20%的收敛率,且混合算法计算速度与Broyden拟牛顿法相当。在瞬态工况下,L-M算法和混合算法能够在牛顿法和Broyden拟牛顿法都不收敛的强瞬变工况收敛,且混合算法瞬态计算时间仅为Broyden拟牛顿法的1.13倍。仿真结果表明该算法在航空发动机模型求解上具有良好的适用性。     

迭代动力缩聚法的收敛性分析

 利用Lyapunov矩阵方程和Riccati矩阵方程解的理论,对迭代动力缩聚法的收敛性进行了分析证明,并给出了迭代收敛的充分条件。揭示了动力缩聚法与经典的子空间迭代法的内在关系,阐明了各自的优缺点。迭代动力缩聚法实质上是子空间迭代法的变形,它需要人为选择主辅自由度,而子空间迭代法需要人为选定初始迭代向量。从理论上讲,只有主辅自由度选择满足收敛的充分条件要求,才能保证迭代结果收敛到理论上的精确解。给出了一个数值算例,对几种算法进行了对比,并验证了本文的论点。