推进系统优化控制模式研究

在不同的飞行任务段采用不同的优化控制模式,能够充分发挥发动机的性能潜力,提高飞机性能。利用机载自适应模型,使优化控制模式具有自适应能力。优化过程采用线性规划(LP)方法结合发动机的物理响应过程来解决非线性的发动机性能优化问题。文中阐述了优化控制的设计和控制算法,并进行了数字仿真试验,结果表明:在平飞加速工况下,采用最大推力模式,可提高发动机推力约10%;在亚音速巡航时,采用最小油耗模式,可节省单位油耗约2%,验证了推进系统优化控制模式的性能效益。      

中继卫星天线指向控制策略研究

首先根据中继卫星系统中中继卫星跟踪用户星的要求,定义了中继卫星天线坐标系,推导出了中继卫星天线对用户星的跟踪规律,通过该跟踪规律可以推出中继卫星跟踪用户星时天线方位和俯仰轴转角,为了保证中继卫星与用户星之间的通信,中继卫星单址天线需要精确的指向用户星;然后详细描述了天线指向控制概念,并且设计了星上自主控制方案,星上自主控制方案由捕获和自动跟踪模式组成,一方面设计了天线捕获过程,另一方面对自动跟踪模式的天线步进逻辑进行了合理选择;最后根据推导的跟踪规律,以不同轨道的用户星作为跟踪目标,对所设计的天线指向控制系统进行了数学仿真,并且通过对仿真结果的分析验证了中继卫星单址天线指向性能。     

高超声速飞行器的滑模观测器设计

对一个高超声速飞行器设计了滑动模态观测器来估计攻角和航迹倾角。通过实时的求解一个极点配置问题,使观测器的切换增益能够根据观测器状态的变化而改变,从而保证了观测误差的动态特性在整个飞行包线内的一致性,给出了单输出和多输出非线性系统的滑模观测器设计过程。设计和仿真算例验证了这种方法的有效性。     

宏观机敏机构的振动主动控制

研究了具有压电作动器与应变传感器的柔性连杆机构的振动主动控制问题。应用复模态理论对宏观机敏机构的动力学方程进行解耦,建立了包含系统噪声与观测噪声的受控系统状态空间表达式,并分别设计了离散LQG状态反馈控制器与离散Kalma。滤波器。宏观机敏机构的在线振动控制实验表明,柔性连杆的应变峰值降低了80％,机构的动力学性能得到了显著改善。     

基于软件的无人机故障注入技术研究

故障注入是一种用于容错计算机系统验证的有效技术,其应用效果直接取决于所采用的故障注入方法的正确性。文中采用硬件覆盖和故障模型的方法,模拟无人机系统的硬件故障,并着重讨论了在总线上注入故障的试验策略。然后用软件的方法构造了一个用于测评无人机飞行控制系统容错控制机制的故障注入工具UAVFI_01。在无人机动态测试过程中,故障注入试验结果表明了这种方案的正确性和可行性。     

航空维修差错的研究

从航空维修差错带来的重大危害出发,提出航空维修差错的定义及基本特征,深入分析航空维修差错的几种模式,重点研究了最活跃、最突出的人为差错模式,并指出预防各种差错模式的方法和措施。     

实时嵌入式操作系统uC/OS-II在数据采集仿真系统中的应用

在数控机床IOC模块的测试过程中 ,系统要求在 2 0ms内完成对三个位置传感器和用户键盘数据的实时采集、相应和显示。通过以基于实时嵌入式操作系统uC OS -II在数据采集仿真系统中的应用为例 ,介绍了uC OS -II及其移植、信号量、多任务调度、X86保护模式、时钟中断和串口通讯处理技术。本系统已在成功运用数控机床IOC模块的测试中 ,缩短了试验周期。     

十字梁实验系统的Terminal滑模控制

在介绍 Terminal 滑模控制器的设计思想的基础上,设计了十字梁实验系统的 Terminal滑模控制器。微喷十字梁实验系统是一个高阶非线性系统,也是一个典型的多输人多输出系统。Terminal 滑模控制保证了输出跟踪误差在有限时间内收敛到零,使系统的动态性能优于普通滑模中的性能。仿真结果表明,使用 Terminal 滑模控制器控制十字梁实验系统是可行的。     

均值检验方法及其在冗余惯性导航系统中的应用

采用了非线性滤波的方法对影响故障检测及分离（FDI）性能的传感器误差进行了补偿,同时提出了故障检测与分离的均值检验方法（MVT）,该方法可以对2个传感器同时出现故障的情况进行检测与隔离。5个陀螺冗余惯性导航系统仿真结果验证了本文算法的有效性。     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…