高超声速再入飞行器的特征建模及自适应递推滑模控制

针对高超声速再入飞行器非线性程度高、参数不确定性大、快时变等特点,提出一种基于神经网络特征模型的自适应滑模姿态控制方案。首先,采用现有特征建模方法,将对象模型中的非线性、时变不确定性压缩至特征参量中;进一步,结合模糊神经网络,将快时变特征显式地表征在特征模型中,使得待估计的特征参量具有时不变特性,从而易于其自适应律的设计。然后,在该神经网络特征模型的框架下,设计递推形式的自适应滑模控制律,以进一步提高飞行控制系统的鲁棒性。最后,通过仿真校验了所提出控制方法的正确性和有效性。     

用结构自适应神经网络预测航空发动机性能趋势

 将航空发动机作为复杂非线性系统考虑,运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论,建立航空发动机性能趋势预测的神经网络模型,同时,针对神经网络的结构设计困难问题,建立了基于遗传算法的结构自适应神经网络预测模型,实现了神经网络结构的优化。最后,利用三组民航飞机发动机的性能数据进行了预测分析,验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。     

舰载雷伞系统落点误差修正方法

为了修正舰船运动和海风引起的落点误差,首先建立了雷伞系统各阶段动力学模型并进行了编程计算,通过与试验结果的对比验证了动力学模型的准确性。之后,将发射方向和分离时间作为控制量,基于泰勒级数理论推导了落点误差与控制量之间的关系,提出了一种新的雷伞系统落点误差的修正方法。通过算例验证,该方法所得到的控制参数能够有效地修正雷伞系统的落点误差。同时,针对典型工况开展了本文方法与改进的多目标粒子群轨迹优化算法的对比研究,发现本文方法比改进的多目标粒子群优化算法拥有更快的收敛速度、更高的收敛精度和更少的计算消耗,可以对由舰船运动和海风引起的雷伞系统落点误差进行实时准确地修正,从而提高舰船发射布雷的精度。     

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

雷达探测距离的区间估计

雷达探测距离是雷达发射功率、频率、接收信号功率等这些不确定参数的函数。以区间数学为基础,将这些不确定参数描述为区间变量,借助一阶泰勒级数,提出了近似估计雷达探测距离的区间分析方法。区间分析方法降低了以往处理不确定问题概率方法需要知道不确定参数均值、方差或概率分布密度等详细统计信息的要求,只要求知道不确定信息所在的边界,而且计算量少。通过算例与概率分析方法相比较,表明了区间分析方法的可行性和优越性。     

The Energetic Particle and Plasma Spectrometer Instrument on the MESSENGER Spacecraft

The Energetic Particle and Plasma Spectrometer (EPPS) package on the MErcury Surface, Space ENvironment, GEochemistry, and Ranging (MESSENGER) mission to Mercury is composed of two sensors, the Energetic Particle Spectrometer (EPS) and the Fast Imaging Plasma Spectrometer (FIPS). EPS measures the energy, angular, and compositional distributions of the high-energy components of the in situ electrons (>20 keV) and ions (>5 keV/nucleon), while FIPS measures the energy, angular, and compositional distributions of the low-energy components of the ion distributions (<50 eV/charge to 20 keV/charge). Both EPS and FIPS have very small footprints, and their combined mass (∼3 kg) is significantly lower than that of comparable instruments.     

基于支持向量经验模态分解的故障率时间序列预测

 针对故障率时间序列的非线性与非平稳特性,提出一种基于支持向量经验模态分解(SVEMD)的预测方法。首先,将故障率时间序列分解为多个固有模态函数(IMF)与一个余量(RF),利用最小二乘支持向量机(LSSVM)预测时间序列两端的局部极值点,以抑制传统经验模态分解(EMD)的边缘效应;同时以LSSVM回归方式形成包络线,以取代传统EMD中的三次样条插值;然后,建立各IMF与RF的预测模型;最终,将各IMF与RF的预测结果相加以获得故障率时间序列的预测结果。仿真结果表明,该方法的预测精度较传统基于EMD的预测方法与单一预测方法有显著提高,可实现对故障率的准确预测。     

基于符号序列联合熵的航空发动机健康监控方法

引入信息熵理论,结合对多参数时间序列的符号化处理,探讨其在航空发动机健康监控中的应用.利用符号序列联合熵对航空发动机性能参数无序程度的描述,分析航空发动机健康状态及其演化方向.对两组实际飞行数据的实验分析表明,该方法描述的航空发动机的健康发展趋势与实际情况相吻合,能够较好反映航空发动机的健康状态,可以为航空发动机的健康...     

基于多项式级数法的线性时变系统的结构分析

采用多项式级数变换法对时变线性系统的结构性质,主要是能观性、能控性进行了初步研究。对于多项式展开后得到的近似系统－ｍ级数值模型,给出了相应的不能观、能观、能控的定义及状态转移系数阵的概念;并且得到了在这种定义下,近似系统在某点的可观性、可控性和原时变系统在这点可观性、可控性之间的关系,从而说明进一步运用多项式展开后的系数阵来判别原时变线性系统的能观性、能控性以及其它结构性质的研究是很有可能的。     

遥测网络系统发展与展望

遥测系统对于评定航空航天飞行器飞行试验结果、故障定位、健康监测和趋势预测等具有非常重要的意义。近二十年来,高码率遥测体制、双向通信及网络化遥测等需求不断增长,美国靶场司令委员会（RCC）下属机构靶场仪器组（IRIG）将遥测网络系统TmNS纳入到IRIG 106标准中,代表了下一代遥测系统的发展方向。在介绍TmNS发展历程的基础上,对TmNS的概念定义、典型架构、分层模型和网络数据消息、系统配置管理、时间同步、服务质量QoS、路由、源选择、安全等关键技术进行阐述和分析,结合我国遥测技术发展现状,总结其对我国遥测技术发展的启示,并对TmNS后续发展进行展望。