锥面活塞环锥度测量方法和不确定度评定

介绍了一种新的锥面活塞环测量方法。该方法应用光电技术解决了测量中的关键问题。本文详述了测量原理、实验系统工作原理和测量不确定度评定。     

核磁共振法测定四氧化二氮中相当水含量测量不确定度评定

讨论了自行建立的核磁共振法测定四氧化二氮中相当水含量测量不确定度的影响因素,并对各不确定度分量和测量结果的不确定度进行了评定。     

轴对称推力矢量喷管运动奇异性分析

通过建立轴对称推力矢量喷管(AVEN)的构型分岔方程,运用连续同伦方法,研究了AVEN装置驱动机构和扩张调节片导引机构的构型分岔特性,发现,无论推力矢量喷管是否发生偏转,当以喷口面积作为分岔参数时,AVEN装置都存在转向点奇异位置;当以矢量偏转角为分岔参数时,AVEN装置不存在奇异位置。当AVEN装置处于非矢量状态时,扩张调节片导引机构处于多重奇异位置状态。转向点奇异位置和扩张调节片导引机构多重奇异位置,将导致AVEN装置的运动输出具有不确定性,影响含AVEN装置飞机的空中飞行安全。      

自由漂浮机械臂抓取翻滚目标的自适应控制策略

提出了一种自由漂浮机械臂抓取翻滚目标的自适应控制策略.抓取翻滚目标要求自由漂浮机械臂具有很强的轨迹跟踪能力,但是自由漂浮机械臂本身以及目标所存在的运动学和动力学参数不确定性使基于模型的控制器性能急剧下降,甚至变得不稳定.通过对参数的自适应逐步改善基于模型的控制器的性能,并且提出了一种新的自由漂浮机械臂关节空间自适应控制器.最后通过数值仿真对所提出的自适应控制策略进行了验证.     

位置不确定持续移动对象的离散表示

基于快照模型,提出对多个离散快照进行整体插值来生成不确定性二维移动点对象的离散模型用于时空数据库系统的实现。利用GM（1,1）模型,通过灰生成降低各个离散快照本身包含的不确定性,建立能够反映移动对象的整体运动趋势的离散实现模型。与线性插值模型的对比实验说明,信息受限情况下采用该模型计算位置不确定持续运动对象的时空运动情况能够保持稳定的低误筹率。     

一种开放网络环境中的不确定信任模型

开放网络环境中的信任关系是一种不确定关系,所以在建立信任模型时,需要对信任的不确定性进行建模.为此,提出了一种新的基于云模型的信任模型.通过用一维正态云来对实体之间的信任关系进行描述,本模型将实体之间的信任程度和信任的不确定性统一起来.在此基础上,还提出了基于云的信任关系的传播和合并算法;并通过仿真实验说明,该模型在开放网络环境中具有良好的效果.      

检定几何量仪器标准器组测量不确定度评定

以标准线纹尺、小量块组、多面棱体、刻线样板、标准半圆球、渐开线样板检定／校准几何量光学仪器时,标准器组的测量不确定度评定。     

大迎角试验数据精度及影响因素分析

着重分析了粗糙带、偏航角β、模型抖动以及滤波频率、采样时间和样本长度等因素对于大迎角试验数据精度的影响.结果认为:常规试验采用的滤波频率会导致关键气动信息的丢失,滤波频率的选取尤为重要;弯刀系统的横向刚度是影响大迎角数据精度的一个重要因素,试验中如何降低其横向刚度的影响是一难点.     

变热线过热比可压缩流湍流度测量方法优化

开展了可压缩流中湍流度测量技术的优化研究，以满足对试验数据高精度评估的需求。在变热线过热比湍流度测量方法推导过程中，忽略了压力脉动项以简化湍流度求解过程。为更加准确评估高速风洞流场湍流度，引入了压力脉动项，以恒温热线风速仪响应关系式为基础，从理论上对可压缩流中湍流度的求解方法进行了优化。在马赫数0.3~0.7进行了湍流度测量试验，并分别利用优化前后的湍流度求解方法对试验数据进行了处理。结果表明两种求解方法所得的湍流度结果量值相近，但优化后的湍流度求解方法所得的湍流度结果随马赫数的变化趋势更加符合客观物理规律。利用蒙特卡洛模拟方法对湍流度的不确定度进行了求解，不确定度量值远小于湍流度量值，表明优化后的湍流度求解方法所得的湍流度结果基本能够代表真实值。试验结果证明了优化后湍流度测量方法的正确性及应用恒温热线风速仪对高速风洞流场湍流度进行测量的可行性。     

Advanced ensemble modeling method for space object state prediction accounting for uncertainty in atmospheric density

For objects in the low Earth orbit region, uncertainty in atmospheric density estimation is an important source of orbit prediction error, which is critical for space traffic management activities such as the satellite conjunction analysis. This paper investigates the evolution of orbit error distribution in the presence of atmospheric density uncertainties, which are modeled using probabilistic machine learning techniques. The recently proposed “HASDM-ML,” “CHAMP-ML,” and “MSIS-UQ” machine learning models for density estimation (Licata and Mehta, 2022b; Licata et al., 2022b) are used in this work. The investigation is convoluted because of the spatial and temporal correlation of the atmospheric density values. We develop several Monte Carlo methods, each capturing a different spatiotemporal density correlation, to study the effects of density uncertainty on orbit uncertainty propagation. However, Monte Carlo analysis is computationally expensive, so a faster method based on the Kalman filtering technique for orbit uncertainty propagation is also explored. It is difficult to translate the uncertainty in atmospheric density to the uncertainty in orbital states under a standard extended Kalman filter or unscented Kalman filter framework. This work uses the so-called “consider covariance sigma point (CCSP)” filter that can account for the density uncertainties during orbit propagation. As a test-bed for validation purposes, a comparison between CCSP and Monte Carlo methods of orbit uncertainty propagation is carried out. Finally, using the HASDM-ML, CHAMP-ML, and MSIS-UQ density models, we propose an ensemble approach for orbit uncertainty quantification for four different space weather conditions.