航天工程地面测控软件的软件生存周期模型

软件生存周期模型(Software Life Cycle Model)是用于描述软件从开始研制到退出应用全过程中,各种活动如何执行的范化模型。对于航天工程地面测控软件,瀑布模型、演化模型、螺旋模型、原型模型等传统模型往往不能非常有效地适应其特性,存在一定的困难和问题。本文结合这些经典软件生存周期模型,在分析航天工程地面测控软件高可靠、需求易变等特点的基础上,提出了更具针对性的生存周期模型——构造增量模型。     

航空发动机性能参数联合RBFPN和FAR预测

排气温度是最能反映航空发动机运行状态的性能参数之一.对连续飞行班次的起飞排气温度裕度(EGTM,Exhaust Gas Temperature Margin)参数进行预测分析,有助于判知航空发动机将来的工作性能,为预防和排除故障提供充分的时间和决策依据.在依据具有非线性、非平稳特征的起飞EGTM历史监测值序列构建预测模型时,基于奇异值分解滤波算法提出了一种联合径向基函数预测网络(RBFPN,Radial Basis Function Prediction Networks)和函数系数自回归模型(FAR,Functional-coefficient Auto Regressive model)的预测方案,充分发挥RBFPN和FAR在预测EGTM参数值变动趋势成分和随机成分的各自优势,使其互为补充,协同处理.实验结果表明该联合预测方案能够有效抑制RBFPN或FAR单独采用时所呈现出的不足,提高预测性能.     

细粒度AP的改性双基推进剂燃速预示模型

在一维气相稳态反应流模型的基础上,讨论了细粒度AP对改性双基(CMDB)推进剂燃速的影响,引入工艺粒度d*s,修正了AP对燃烧表面结构影响因子fAP和分解影响因子gAP,建立了适用于细粒度AP的CMDB推进剂燃速预示模型,该模型可从推进剂化学结构参数出发,定量计算AP-Al-CMDB推进剂的燃速。结果表明:在压强9.8～19.6MPa条件下,不同AP粒度和含量下的燃速计算结果和实验结果吻合较好,大部分误差在5.0%,检验了模型的可靠性,对推进剂配方研制具有较好的指导意义。     

基于Markov Chain Monte Carlo的幂律过程的Bayesian分析

在多种合理的无信息先验分布下,基于Markov Chain Monte Carlo方法,提出了一种简单且易于抽样的幂律过程的Bayesian分析方法.所提方法将失效、时间截尾数据统一分析,能快捷地获取幂律过程模型参数的Markov Chain Monte Carlo样本,利用该样本不但能直接给出模型参数函数的后验分布,还能给出单样预测和双样预测的分析.一个经典工程数值算例说明了所提方法的可行性、合理性与有效性.该方法具有一定的优越性,可为小子样可靠性增长分析提供一种值得参考的方法.      

高超声速乘波体扩容设计及流场快速预测

为发展一种兼具乘波体高升阻比和升力体高容积率的气动设计与预测方法,开展了3个方面的研究工作。基于升力体和乘波体融合设计理念,提出了一种大容积率、高升阻比的乘波前体的扩容设计方法。对扩容设计的乘波前体进行了数值模拟,获得了典型设计参数对前体容积率、升阻比等气动性能参数的影响规律。基于本征正交分解理论和径向基函数建立了高超声速乘波前体流场结构和气动性能参数的快速预测模型,并对扩容设计的乘波前体流场开展了快速预测研究。研究表明:相比于未扩容之前,高度为5、10 mm时,容积增加8.00%和15.00%;基于本征正交分解理论的快速预测方法可精确、快速地获得不同几何设计参数下乘波前体的流场,预测误差不高于2.00%。      

近地轨道卫星的地影预报算法

针对传统地影预报算法计算量大,不适合星载计算机进行地影时刻自主预报的问题,提出一种地影预报星上算法。通过构造降维坐标系将卫星进出地影过程转换为“星-地-日”平面内的几何问题;基于常数变易法推导出阴影条件的隐式解析公式,其方程系数可由实时轨道参数确定。为简化计算,将星上算法设计为双层结构：构造迭代算法,依据实时轨道参数可精确预报卫星在每个节点上的地影时刻;而在任意两个节点之间采用解析算法进行近似预报。仿真结果表明,星上算法的预报精度高且计算量小,适合星载计算机进行地影时刻自主预报。     

高超声速飞行器舱内压力预测

针对高超声速飞行器独特的飞行状态及环境特点,对其舱体内部压力变化进行了预测研究。综述飞行器的被动式及主动式舱内压力控制系统特点,提出采用准一维等熵流公式结合计算流体动力学(CFD)进行舱内压力预测的方法,研究被动式充排气系统对舱内压力变化的影响,为高超声速飞行器充排气系统的设计提供了重要的参考和依据。     

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。     

基于损伤权重的混合多钉连接件疲劳寿命预测方法

复合材料与金属材料混合多钉连接形式是当代飞机结构中最常见的连接形式,因此对于混合多钉连接件疲劳性能的研究有助于提高对飞机结构疲劳损伤的认知。针对以Ti-6Al-4V钛合金为螺栓的ZT7H/QY9611碳纤维增强树脂基复合材料连接板与30CrMnSiNi2A金属连接板混合多钉连接结构进行数值分析和试验研究。利用有限元方法,分别对复合材料和紧固件进行疲劳损伤预测,估算复合材料连接板上螺栓孔附近的损伤,依据复合材料和紧固件的损伤量所占权重,提出了以紧固件分布和复合材料连接板铺层层数为参数的经验公式,进而有效提高混合多钉连接结构疲劳寿命的预测精度。利用试验结果将螺栓孔损伤形式进行分类讨论,探索混合多钉连接件的损伤演化方式;利用C扫描技术得到复合材料分层损伤结果,与模拟结果进行对比分析,进一步解释了模型的合理性。与试验结果对比可以看到,考虑损伤权重的寿命预测值与试验值的对数误差仅为1.1%,相对于不考虑损伤权重方法的8.4%的对数误差,该模型寿命预测精度显著提高。     

基于正反问题耦合的压气机特性快速预测方法

提出一种基于正反问题耦合的压气机特性快速预测方法,根据压气机一维设计理论,通过对满足流量及压比设计指标的反问题求解快速得出压气机的气动布局方案,在此基础上结合非设计点损失和落后角模型通过正问题求解得出全工况压气机特性,再根据预测特性与目标的偏差调整气动布局方案,以此通过对正反问题的耦合求解实现对压气机特性的合理快速预测...