9自由度混联微创外科机器人的正反解

针对北京航空航天大学机器人研究所最新开发的用于胸腹部冷冻穿刺手术的9自由度"5R+4T"混联机器人,基于指数积公式,利用反变换法和逆矩阵的特性,提出了一种在单约束条件下,得到该机器人解析形式正反解的新算法.通过数值算例验证了正反解的互推性,即算法的有效性,并经过对算例的分析给出了修正方案,扩大了算法的适用范围.该方法克服了因为混联机器人自由度多、结构复杂而带来的难以完成正反解计算的困难,为多自由度混联机器人的运动学求解提供了一种新的思路.      

直升机旋翼机身发动机耦合流场数值模拟

运用计算流体力学(CFD)数值工具研究旋翼机身发动机空气动力干扰.通过生成多块贴体网格,运用有限体积方法直接求解了不可压N-S方程.分析了某直升机低速前飞时的流场性质.首先对孤立机身周围粘性流场进行数值模拟,然后运用作用盘模型分析了旋翼机身空气动力干扰对机身压力分布等方面的影响;最后运用简单的发动机模型分析了发动机进出口对直升机流场的影响.      

直升机旋翼机身流动特性数值模拟

运用CFD数值工具研究旋翼机身发动机空气动力干扰.通过生成多块贴体结构网格,运用有限体积方法直接求解了不可压N-S方程.首先分析ROBIN机型的旋翼机身耦合的流场特性,然后再分析了MI-171V5直升机低速前飞时的流场性质.对两种机型首先进行孤立机身周围粘性流场数值模拟,然后运用作用盘模型分析了旋翼机身空气动力干扰对机身压力分布等方面的影响,与实验数据对比相吻合.     

聚合多重网格法在旋翼前飞流场计算中的应用

基于非结构动态嵌套网格, 将聚合多重网格方法引入到旋翼的前飞流场计算中.从初始的整体非结构网格出发, 快速建立相互重叠的两个子域网格, 同时无需建立背景网格便可以确定初始洞边界和初始插值贡献单元, 且动态嵌套时无需更新洞边界, 并采用了一种无需背景网格便可快速查找新的贡献单元的方法.分区利用聚合法生成多重网格, 利用双时间方法分区运用三层网格V循环求解非定常Euler方程, 两区的流场参数在重叠区实现耦合, 对旋翼的前飞流场进行了计算.结果表明, 多重网格方法能够有效地加快旋翼前飞流场收敛.      

倾转旋翼机前飞动力学稳定性分析

倾转旋翼机的机翼端部装有一个可倾转的旋翼.所建立的倾转旋翼机前飞动力学稳定性分析简化模型由一个机翼和一个螺旋桨旋翼组成.机翼承受垂向弯曲、弦向弯曲和扭转变形,螺旋桨旋翼的桨叶认为是刚性的并承受一阶挥舞和摆振.机翼和螺旋桨旋翼的空气动力学载荷由准定常片条理论得到.利用此模型在高入流状态下建立运动微分方程,对倾转旋翼机在前飞状态下的动力学稳定性进行计算,计算结果与Bell公司试验结果基本一致,表明该模型可用于倾转旋翼机的前飞动力学稳定性分析.      

中国无地面控制点摄影测量卫星追述（二）--1∶1万传输型摄影测量卫星技术思考

以1∶1万传输型摄影测量卫星工程有效载荷配置为基础,分析了传输型测绘卫星中影响定位精度的误差源,提出了激光测距数据辅助两线阵卫星影像处理的若干思路,并进行了模拟仿真试验。试验结果表明：利用激光测距数据参与两线阵影像光束法平差,能有效改善航线模型系统变形,并保持较小的上下视差,可满足卫星影像无地面控制点条件下1∶1万高精度定位要求。     

某型发动机战斗与训练状态控制技术研究

简要介绍了对某型航空发动机在外场使用过程中,实施战斗与训练状态控制的方法及其相应的控制装置。加装该装置的目的是对发动机在平时训练时,实行降负荷使用,以提高飞行安全性,而在作战需要时,可恢复发动机原有状态,以发挥发动机最大潜能。控制装置由单片微机组成,具有自检和故障检查能力。通过试飞和试用证明,控制装置改装简单、工作可靠,取得了满意的效果。      

轴向前倾叶片流场的数值分析

对一种新式的风机叶片即轴向前倾叶片流场进行数值计算, 采用时间推进法计算无粘流场, 采用非正交曲线坐标系附面层积分方程求解附面层参数, 得到了一些有意义的结果。      

导弹飞行数据的相容性检验研究

本文针对导弹飞行试验的特点,采用导弹六自由度动力学方程建立了飞行数据相容性检验的数学模型。在有舵偏激励同时考虑偏差间相关性的条件下,应用广义Kalman滤波方法进行常值及比例因子偏差的估计。仿真及实际应用表明所建数学模型及估计方法正确有效,所得结果与由高速可重复模拟匹配技术结果极为接近。     

直升机前视地形告警算法研究

为了更好地利用直升机地形感知与告警系统,减少可控飞行撞地事故的发生,提出了一种适用于直升机地形感知与告警系统的前视地形告警算法.首先介绍了直升机前视地形告警的基本原理,并给出了前视告警包线的设计流程;然后提出了前视告警包线下视边界、前视边界、上视边界和横侧边界的确定方法;最后构建仿真算例进行了仿真验证.仿真结果表明,提出的算法可以在直升机飞行撞地前提前预警.