冲压发动机用轴对称进气道设计和试验

完成了一种Ma=2.5～4.0冲压发动机用超声速轴对称混合式进气道模型的设计,通过数值模拟和风洞试验,获得了马赫数Ma=2.5,3.0,3.5,4.0,攻角α=0°,3°,6°,8°条件下的超声速轴对称混合式进气道性能。试验结果表明,随着马赫数的增加,总压恢复系数大幅度下降,亚临界稳定范围变窄,流量系数逐渐增加;随着攻角的增大,总压恢复系数和流量系数总体都呈降低趋势,在Ma≥3.0,α=6°时,进气道性能的下降小于5%,亚临界稳定范围变窄。     

扰动测量环境中基于图像序列的模态参数识别

针对结构模态参数识别,提出了一种基于二维连续图像序列的识别方法.该方法以CCD相机采集的图像序列为基础,在待识别结构上选取一定数量的特征点,运用因子分解法将结构运动参数和外形信息分离开,得到各特征点的运动轨迹,通过实施特征系统实现算法(ERA,Eigen-system Realization Algorithm)识别出结构的模态参数.特别是当测量仪器,即CCD相机受到扰动时,能够从图像序列中分离扰动,得到结构自身的运动参数,保证较好的识别效果.以相机受扰动时,悬臂梁模型为例进行了仿真分析.将识别出的悬臂梁前5阶频率与ANSYS计算结果进行对比,结果吻合很好,对于工程中利用光学图像识别结构动态特性具有较高的参考价值.     

DS/FH混合扩频快速捕获技术的研究

在DSFFH混合扩频通信系统中,快速捕获是一个非常关键的技术。通过采用快速扫描和等待式相结合的方法用来实现跳频信号的快速捕获,利用神经网络技术实现直扩信号的快速捕获,通过这2种方式,就可实现DSFFH混合扩频的快速捕获。     

雷达辐射源信号特征参量分析

对所有可观测的辐射源特征参量的特点、测量精确度的主要影响因素以及测量限制条件等进行了较全面地分析,初步回答了哪些特征参量可用于信号分选与个体识别的问题,并给出了其应用限制条件.     

用于识别两颗故障卫星的RAIM算法

提出了一种可以识别两颗故障卫星的接收机自主完好性监测算法.将最优奇偶矢量法应用于两颗故障卫星识别,指出由于故障偏差可能会抵消而使得正确识别率较低.对最优奇偶矢量法进行了改进,利用对单颗卫星故障敏感的最优奇偶矢量对所有可能的两颗故障卫星组合分别构造两个新的奇偶矢量,用于两颗故障卫星的检测和识别.计算机仿真结果显示,改进后的算法与直接利用最优奇偶矢量法相比,可以显著提高两颗故障卫星正确识别率,识别率可超过90%.同时,改进算法的奇偶矢量构造方法简单,计算量将减少90%以上,更有利于工程实现.      

一种改进的卫星星座服务可用性评价方法

针对存在缺失卫星的轨道面,将星座中的卫星分为两组,从概率角度并采用组合方法提出了星座覆盖可用性和导航精度可用性指标的统计评价模型和仿真流程,进而通过对两项可用性指标进行加权建立了形式统一的服务可用性加权评价模型。利用该模型对单个或多个轨道面有确定数量卫星缺失的状态下,星座构型和轨道参数变化对其服务可用性的影响进行了研究。结果表明,星座轨道平面数和轨道高度均对服务可用性有较大影响。提出的服务可用性评价模型物理意义明确,可有效减少指标评价时间,研究结论有助于在概念设计阶段对星座构型和轨道参数进行优选。     

基于脉冲响应相关函数的模态辨识算法

利用不同时刻系统测量噪声具有独立同分布的特点,对脉冲响应进行相关处理,可以提高信噪比。为解决传统的基于脉冲响应的模态辨识算法的辨识精度问题,用某点脉冲响应同参考点响应之间的相关函数代替该点的脉冲响应以形成基于脉冲响应相关函数的模态辨识算法,并从理论上证明脉冲响应相关函数算法的辨识精度优于传统的脉冲响应算法。通过对一个四自由度系统模态频率和阻尼比的仿真辨识,验证了脉冲响应相关函数辨识算法的有效性。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

卫星轨道保持的一类控制模型

地球赤道静止卫星希望其定点位置固定不变 ;采用轨迹重复的近地轨道的对地遥感卫星 ,需要具有固定的地面轨迹位置 ;如果这类遥感卫星还同时采用太阳同步轨道 ,则还要求降交点地方平太阳时固定不变。上述这三种情况虽然其物理机制各不相同 ,但其变化及控制过程可以抽象出一种共同的模型。文章首先给出这个统一的模型并对其进行讨论 ,然后将结果应用到所述的三种具体情况     

结构在环境激励下的模态参数辨识

针对传统模态辨识方法存在的缺陷,研究了工程结构在环境激励下的模态参数的辨识问题。通过各点测试数据的协方差数据构成Hankel矩阵,运用随机子空间实现进行系统矩阵的辨识。经飞机模型的环境激励分析验证,上述方法具有理想的辨识精度,在大型结构的模态辨识领域,拥有广阔的应用前景。