捕获非合作目标后航天器的自主稳定技术研究

捕获非合作目标后航天器质量特性发生突变,这大大地增加了系统的不确定性,控制不当容易导致失稳.为避免控制过程中航天器出现较大系统干扰问题,提出了先识别捕获后的系统质量特性,而后合理摆放非合作目标的自主稳定策略.首先,对航天器捕获过程和自主稳定策略进行了描述;其次,依据动量矩定理建立了非合作目标与航天器组合系统的数学模型,推导了非合作目标位置与质量特性之间的关系;然后,基于航天器数学模型和姿态测量信息,采用非线性规划方法对质量特性进行了辨识;最后,利用滑模变结构理论设计了非合作目标的控制回路,采用Lyapunov理论对系统的稳定性进行了分析.仿真结果表明:本文提出的自主配平策略响应快、精度高,适合在轨服务.     

基于LQR的纵向多自由度变稳控制律设计

飞机进场着陆过程中,速度、迎角和俯仰角速度等多参数的跟踪模拟是一个复杂的多输入输出系统,采用传统的控制方法难以获得满意的控制效果.根据系统控制要求,提出一种利用最优二次型调节器(LQR)的控制方式.首先分析跟踪模拟的结构形式,把模型跟踪问题化为最优二次型状态调节器,确定控制律的基本结构;然后对某型飞机进场着陆阶段特性利用TIFS飞机进行模型跟踪控制律的设计,并结合经典控制理论对系统控制参数进行修正;最后利用舵机在回路的半物理试验台进行仿真.结果表明,所提出的LQR控制方法能够有效地解决多控制回路性能的自动协调,具有良好的动态响应,而且有很高的模型跟踪模拟精度.     

A new SINS/GPS sensor fusion scheme for UAV localization problem using nonlinear SVSF with covariance derivation and an adaptive boundary layer

The state estimation strategy using the smooth variable structure filter(SVSF) is based on the variable structure and sliding mode concepts. As presented in its standard form with a fixed boundary layer limit, the value of the boundary layer width is not precisely known at each step and may be selected based on a priori knowledge. The boundary layer width reflects the level of uncertainty in the model parameters and disturbance characteristics, where large values of the boundary layer width lead to robustness without optimality and small values of the boundary layer width provide optimality with poor robustness. As a solution and to overcome these limitations, an adaptive smoothing boundary layer is required to achieve greater robustness and suitable accuracy.This adapted value of the boundary layer width is obtained by minimizing the trace of the a posteriori covariance matrix. In this paper, the proposed new approach will be considered as another alternative to the extended Kalman filters(EKF), nonlinear H1 and standard SVSF-based data fusion techniques for the autonomous airborne navigation and self-localization problem. This alternative is based on strapdown inertial navigation system(SINS) and GPS data using the nonlinear SVSF with a covariance derivation and adaptive boundary layer width.Furthermore, the full mathematical model of the SINS/GPS navigation system considering the unmanned aerial vehicle(UAV) position, velocity and Euler angle as well as gyro and accelerometer biases will be used in this paper to estimate the airborne position and velocity with better accuracy.     

核心机驱动风扇级在非设计模式下的匹配方法研究

核心机驱动风扇级(CDFS)是双涵道变循环发动机的关键部件之一。为了开展CDFS在非设计模式下(双涵道模式)的匹配分析,利用速度三角形建立了CDFS在双涵道模式下的匹配特性图,该图能够正确反映双涵道模式下CDFS的工作特点和主要气动参数的变化趋势。结果表明:给定CDFS在双涵道模式下流量时,随着压比下降,需要降低CDFS在双涵道模式下的转速才能保证转子进口相对气流角不变;给定双涵道模式的流量和压比时,若要使转子进口相对气流角下降,需要增加CDFS在双涵道模式下的转速。     

基于变步长CFD/RBD方法的旋转弹轨迹仿真

采用变步长方法实现非定常Navier-Stokes方程和刚体六自由度运动方程的耦合求解,并对美国ARL旋转弹试验模型的飞行轨迹进行了仿真。旋转弹自由飞行过程中受到空气阻力作用,转速下降,气动力变化趋缓。因此轨迹仿真时先选取较小的时间步长,随着转速的下降逐渐增大步长,这样可以减少计算时间。刚体六自由度运动方程的数值求解采用变步长Adams预估校正法。将定步长和变步长两种方法应用于旋转弹实验模型轨迹仿真,并将计算得到的旋转弹空间位置、姿态角与试验结果进行了对比,结果显示:方法能较精确地仿真旋转弹飞行轨迹。在相同初始步长条件下,变步长方法较定步长方法计算时间减半;在相同计算时间条件下,变步长方法较定步长方法精度更高。     

三外涵变循环发动机性能数值模拟

与双外涵模式相比,三外涵变循环技术将使发动机工作范围更广,更易满足未来发动机的自适应要求,及更大提升飞机综合性能。在带核心机驱动风扇级(CDFS)双外涵变循环发动机性能仿真方法基础上,构建了前调节阀门、后调节阀门、第三外涵等的数学模型,开展了三外涵变循环发动机性能模拟方法研究,重点分析了三外涵变循环发动机的稳态性能。结果表明:相比单外涵和双外涵模式,三外涵模式总涵道比调节程度更大,发动机最大状态与亚声速巡航状态间的燃油经济性更明显。     

针对大气层外目标的双弹协同拦截中制导律设计

论文以大气层外弹道导弹目标为研究对象,考虑拦截弹中段发动机推力固定耗尽关机方式,针对多拦截弹拦截目标问题,提出一种基于零控脱靶量的双弹协同拦截中制导律。在基于零控脱靶量的中制导律的基拙上,以两枚拦截弹的预期拦截点作为协调变量,在两枚拦截弹在零控脱靶量满足末段制导要求情况下,调整两弹的预期拦截点使其一致。分析满足协同拦截的两枚拦截弹的中段初始条件,设计了相应的应对策略。该制导律具有通信负担低,鲁棒性较强的特点。仿真算例表明,所设计的双弹协同中制导律可以有效协调两枚拦截弹实现协同拦截。     

一种高精度航空结构多主体协作冲击定位方法

为了提高结构冲击载荷定位的精度和实时性,针对声发射和逆问题分析两类方法的优点和不足,结合多主体技术提出了一种高精度航空结构多主体协作冲击定位方法.两类冲击定位方法自主并行工作,通过黑板协作融合,彼此通信交互消息,参考优化定位结果,保证位置精度的同时提高了实时性.在大型航空铝板上的实验表明,该冲击载荷定位方法快速有效,具有很好的鲁棒性.     

基于方差的相关输入变量重要性测度分析新方法

为了清晰地掌握相关输入变量情况下响应量方差的来源,非常有必要将基于方差的重要性测度( VBIM)分离为相关部分和独立部分.为此,在二阶非线性回归的基础上,提出了一种适用于非线性响应量的相关变量重要性分析的新方法.一个输入变量对响应量方差的相关贡献由该变量与每一个剩余变量两两相关的贡献分量组成,所以又进一步提出了一种概念...     

编队卫星分布式鲁棒饱和姿态协同控制

研究跟踪时变参考姿态情况下控制输入饱和的编队飞行卫星姿态协同控制问题.针对不同情形,通过恰当地利用双曲正切函数,提出3种连续有界的协同控制器.首先,在无外部扰动和参数不确定性的情况下,提出一种理想的饱和协同控制器.进一步,考虑角速度不可测量的情况,利用无源滤波器设计无角速度反馈的饱和协同控制器.当外部扰动和参数不确定性...