空间超高速撞击碎片云前端速度的预测模型

文章利用一组二级轻气炮发射2017-T4 铝质球形弹丸撞击6061-T6单层铝板的地面试验数据,通过选择适当的函数模型,采用多元函数拟合的方法,得到了碎片云前端速度与靶板厚度、弹丸直径和弹丸速度关系的三元二阶多项式模型。再用另外一组数据对该模型进行检验,验证了其对碎片云前端速度具有较好的预测效果。将以上两组数据同样用于建立“无量纲化”模型进行碎片云前端速度预测,并与前述多项式模型的预测结果进行比较发现,该多项式模型预测的方均根误差及平均相对误差均明显优于“无量纲化”模型。该多项式模型可用于预测空间碎片撞击航天器产生的碎片云的前端速度,有助于航天器的空间碎片防护设计。     

湍流模型对叶片表面换热计算的影响

为了比较湍流模型对涡轮叶片外换热计算结果的影响,采用五种湍流模型及两种壁面函数计算了NASA-MarkII导向叶片表面换热并与实验数据进行了对比,结果表明:在相同边界条件下不同湍流模型的计算结果有很明显的差别,即使是同一种湍流模型,如果采用不同的壁面处理函数其计算结果也是有很大差别的;某些湍流模型的计算值只是在某个区域较为理想,还不能找到在整个叶片表面计算结果与实验数据较为接近的湍流模型.在尚无普适性较好的湍流模型的情况下,研究在不同计算域采用不同湍流模型和壁面处理函数的计算技术,是一种较好的可行的方案.      

基于VP的虚拟试验系统仿真设计

虚拟试验系统的目的是通过虚拟试验真实反映飞行器的起竖过程,为瞄准技术的误差分析提供良好的仿真基础和设计依据。对飞行器机动发射的起竖过程进行建模,在数学模型基础上,通过三维可视化仿真技术模拟发射前的整个起竖过程,初步完成虚拟试验过程可视化系统的研制,建立虚拟试验系统中飞行器、车、发射场等三维模型,实现了人机交互功能,建立了系统仿真平台。     

多级协同项目执行中的资源冲突检测与管理

以航空航天型号工程项目为背景,针对多级协同项目中的资源冲突问题,利用基于时间约束网络的冲突检测算法实现了多级协同项目中的资源冲突检测,该算法建立了任务关系的时间约束网络模型,给出了基于模型的线性化、实例化方法和检测判据.针对资源冲突的检测结果表达及冲突信息的管理提出多视图表达方式,建立了基于UML的信息模型.基于研究结果设计开发了项目资源管理原型系统,以某航天项目任务的管理为例进行了验证,表明了研究结果的有效性.      

基于XML的产品主模型技术研究

多学科设计优化方法是近年来发展的一种设计复杂系统的新方法。它充分考虑各个学科之间的相互影响和耦合作用,以获得系统的整体最优解。产品主模型技术是多学科设计优化的关键技术之一,能较好地解决应用模型之间的数据交换和通信。文章介绍了产品主模型的概念及其特点,对产品主模型技术及其实施过程进行了深入研究。回顾了可扩展标记语言的产生和发展历史,并对其特性进行了较详细介绍;研究了基于可扩展标记语言技术实现系统集成的技术路线;最后,提出了基于可扩展标记语言技术和产品主模型技术的卫星总体方案多学科设计优化集成框架。     

直升机自适应桨叶模型的初步实验研究

为了研究压电陶瓷对复合材料模型的驱动性能，掌握其规律，为自适应旋翼的研究打下基础，文中模仿直升机桨叶设计了一个典型模型试件，利用压电陶瓷在不同布片方式下对其进行驱动，使其产生弯曲和扭转变形。不同条件下的对比实验表明，压电陶瓷作为驱动器可以达到比较好的驱动效果。     

基于Web的带宽自适应组件化多媒体监控系统

当前的分布式多媒体监控系统存在通用性、易用性和扩展性不足等缺点,且不能自适应多种网络状况.为解决其通用性、易用性问题,参考流媒体系统结构,给出了基于Browser/Server模式的监控系统结构.为增强其可扩展性,在DirectShow技术基础上,设计了基于COM的监控系统软件结构.采用带宽自适应的策略和方法,实现了系统对多种网络状况的动态自适应.      

Predictive fault-tolerant control of an all-thruster satellite in 6-DOF motion via neural network model updating

The problem of controlling an all-thruster spacecraft in the coupled translational-rotational motion in presence of actuators fault and/or failure is investigated in this paper. The nonlinear model predictive control approach is used because of its ability to predict the future behavior of the system. The fault/failure of the thrusters changes the mapping between the commanded forces to the thrusters and actual force/torque generated by the thruster system. Thus, the basic six degree-of-freedom kinetic equations are separated from this mapping and a set of neural networks are trained off-line to learn the kinetic equations. Then, two neural networks are attached to these trained networks in order to learn the thruster commands to force/torque mappings on-line. Different off-nominal conditions are modeled so that neural networks can detect any failure and fault, including scale factor and misalignment of thrusters. A simple model of the spacecraft relative motion is used in MPC to decrease the computational burden. However, a precise model by the means of orbit propagation including different types of perturbation is utilized to evaluate the usefulness of the proposed approach in actual conditions. The numerical simulation shows that this method can successfully control the all-thruster spacecraft with ON-OFF thrusters in different combinations of thruster fault and/or failure.