自适应机翼翼型变形的研究现状及关键技术

自适应机翼具有巨大的应用潜力,是未来飞机设计的必然趋势,已经得到了广泛的关注。分别从自适应变弯度前缘、自适应变弯度后缘以及变厚度机翼三个方面阐述了其变形原理,并对使用的蒙皮、驱动方式、研究方法等进行了归纳总结,指出了未来的发展趋势,提出了自适应机翼亟需解决的关键技术,包括兼具大变形和高承载功能的柔性蒙皮的设计、自适应驱动系统设计、协同控制系统的设计、分布式传感器网络,可为自适应机翼结构的设计与实现途径提供一定的技术参考。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

面向非结构混合网格高精度阻力预测的梯度求解方法

针对非结构混合网格的特点,通过改进传统的Green-Gauss梯度求解方法,提出了一种可提高非结构混合网格黏性计算精度的节点型Green-Gauss梯度求解方法。利用改进后的方法,完成了DLR-F4翼身组合体算例的计算和对比分析。改进后的梯度求解方法残差收敛更好,下降量级更多,阻力系数和试验吻合更好,激波区域压力分布和分离区域流场细节的模拟更精确,说明改进后的梯度求解方法有效提高了程序的鲁棒性和阻力预测精度,验证了方法的有效性。采用改进后的方法对第5届AIAA阻力预测研讨会的通用研究模型（CRM）进行了详细的模拟分析,结果表明：改进的梯度求解方法更加适用于非结构混合网格的黏性计算,计算精准度达到国际同类CFD软件水平,进一步验证了改进方法的可靠性。     

临近空间高超声速跳跃滑翔式目标自适应跟踪模型

针对临近空间高超声速跳跃式滑翔目标跟踪问题,在将加速度建模为具有正弦波（SW）自相关随机过程的基础上,提出一种自适应非零均值正弦波相关（ANM-SW）模型。其核心是对正弦波相关模型进行均值补偿构建ANM-SW模型,并推导了模型状态方程;为深入分析均值补偿的作用,分别从时域和频域的角度探讨了自适应非零均值模型的物理本质;此外,为进一步说明模型的适应性问题,结合Kalman滤波推导了SW及ANM-SW模型状态更新的系统动态误差,验证了ANM-SW模型在机动适应方面的优越性;最终仿真表明与SW模型相比,ANM-SW模型在跟踪精度及机动适应能力方面具有一定的优势性。     

虚拟同步发电机频率稳定性分析

在电力电子逆变器控制领域,通过仿真同步发电机的同步特性来实现的虚拟同步发电机(VSG)技术作为近年来提高电力系统稳定性的主要手段得到了充分的研究,在一定程度上解决了分布式能源(DG)并网系统缺少惯性的问题,提高了系统电网频率的稳定性。然而,当电网强度发生变化时,原有的VSG控制策略并不能维持系统频率稳定性。为了进一步提升VSG对频率稳定性的作用,在传统VSG控制策略的基础上,对电网强度变化时VSG系统的频率稳定性进行了分析,研究了影响电网强度变化的因素,并在此基础上提出,可以通过增大VSG中系统惯量的方法来提高电网强度变化时频率稳定性。最后,通过MATLAB/Simulink仿真工具,验证了所提方法的有效性。     

基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。     

基于三迭代与二阶锥规划的机载MIMO雷达稳健降维STAP方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中期望目标导向矢量的失配问题,提出一种基于三迭代(TRIA)与二阶锥规划(SOCP)的稳健降维MIMO-STAP方法。首先将MIMO-STAP权矢量分解为发射、接收、多普勒3个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过优化最差性能,利用SOCP对各个低维权矢量进行三迭代求解,最后进行权矢量合成。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过三迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。     

非均匀环境下利用单个数据集的STAP算法

对非均匀环境下利用单个数据集的机载雷达空时自适应处理(SDS-STAP)算法进行了研究。针对现有单个数据集类空时自适应算法存在的问题,提出了一种基于对待测数据集进行空时二维滑窗处理的二维幅度相位估计(2D-APES)算法。该算法利用回波的统计信息,不仅放宽了算法处理器对于雷达系统阵元数与脉冲数选取的约束,而且能够有效抑制杂波及待测单元内的干扰,同时降低了处理器的计算复杂度。最后,仿真数据及实测数据实验验证了所提算法的正确性与有效性。