航天器柔性太阳翼最优PPF主动振动抑制方法

针对采用可变速控制力矩陀螺(VSCMG)进行柔性太阳翼振动抑制问题,提出一种基于求解非光滑 H∞ 综合问题的最优参数正位置反馈(PPF)控制方法。首先,建立考虑VSCMG和柔性太阳翼耦合的振动模型,得到了线性化的约束陀螺柔性板动力学模型,基于同位控制思想推导了以角度陀螺为测量装置的约束陀螺柔性板全阶状态空间模型。针对被控对象特性,确定最优PPF控制器的结构构型和待优化参数。进而,通过对约束陀螺柔性板全阶状态空间模型进行降阶、修正和加权处理,将PPF控制器参数优化问题转化为在PPF控制器构型约束条件下的非光滑H∞综合问题,并应用一阶下降算法进行寻优求解,实现最优PPF控制器的设计。该方法能够实现对各阶陀螺模态的独立控制,在保证快速性和鲁棒性的前提下,实现最优PPF参数的稳定高效求解。仿真结果表明,所提出的最优PPF控制方法能够快速、鲁棒地实现航天器柔性太阳翼的主动振动抑制。     

力/热环境下复合材料薄壁结构的分离动力学分析

基于显式动力学分析模拟了力/热环境下复合材料薄壁结构的分离过程,基于计及不确定性的Chang Chang失效准则评估了复合材料结构的可靠性,进而探究了气动力载荷和温度载荷对结构分离动力学以及复合材料结构强度可靠性的影响规律。结果表明：气动力载荷及温度的升高均会加速结构的分离过程;高温会显著影响结构脱离时刻的转动角度,进而改变了结构的脱离姿态;系统可靠性随温度载荷的升高而降低。     

复杂结构动态分析/试验/设计与计算仿真技术的进展与应用

本文对复杂结构动态分析／试验／设计技术近三十年来的进展,包括有限元建模与组合结构分析、动态特性测试、计算模型修正和振动控制,以及新兴的计算机仿真和计算模型精确度认证等新思想、新技术的进展,进行了综合评述,同时还给出这些新技术在运载火箭和航天器方面的工程应用实例。     

基于轨迹在线规划与跟踪律在线计算的自适应再入制导方法

针对高超声速飞行器非标称再入飞行任务的高精度自主制导问题,研究了一种基于轨迹在线规划与跟踪律在线计算的全自主自适应制导方法.该方法基于拟平衡滑翔条件与高精度的规划模型在线生成满足多路径约束的参考轨迹,在跟踪参考轨迹时引入符号函数法在线计算线性二次调节器的反馈增益矩阵,以获得高精度的自适应跟踪律.最后通过远程、近程两种工...     

“火星科学实验室”EDL方案及其新技术分析

"火星科学实验室"进入、下降与着陆(EDL)技术代表了目前已步入应用阶段的火星探测的最新技术。在分析该方案基础上,对其所应用的升力式进入及进入制导控制技术、基于马赫数的开伞控制技术、"矢量点乘"控制的防热罩分离技术、基于"空中吊车"的动力下降与着陆缓冲技术和"空中吊车"飞离控制技术等进行了分析,可为火星探测研究提供一定的借鉴和参考。     

稳健的欠定混合矩阵盲辨识

主要研究欠定盲源分离中的混合矩阵估计问题。提出了一种改进的欠定混合矩阵估计算法,首先采用短时傅里叶变换得到混合信号的时频表示并检测出时频单源点,然后检测出时频单源点中影响混合矩阵估计性能的时频点并将其去除,最后采用聚类的方法实现混合矩阵的估计。语音信号的仿真实验表明,与已有算法相比较,本文提出的混合矩阵估计算法有更高估计精度和更强的鲁棒性。     

基于木星大气环境的降落伞系统气动特性研究

木星探测是未来行星探测的重要发展方向,而降落伞是进入木星大气探测必不可少的气动减速装置。文章基于“伽利略号”探测任务,设计了满足未来木星探测需求的降落伞系统简化模型,并针对该降落伞系统进行了数值模拟,研究了木星大气和地球风洞实验环境中不同来流马赫数下降落伞系统的复杂流动现象及气动力变化规律。在木星大气环境中,降落伞的阻力系数和横向力系数大小以及横向力系数波动幅度均高于风洞试验环境,阻力系数波动幅度均低于风洞实验环境。此外,还研究了木星大气环境中不同来流攻角下降落伞系统的气动特性。研究表明,木星大气环境中降落伞系统气动特性与风洞实验结果有差异,因此未来在设计用于木星探测的降落伞系统时,应考虑由于木星大气环境对降落伞系统气动特性的影响。     

辐射器展开角度对航天器热控能力影响的研究

为了在有限的结构尺寸下提高航天器热控系统的散热能力,提出与流体回路耦合的可展开式辐射器热控方案,建立可展开式辐射器空间散热模型,分析辐射器不同展开角度下系统的热控特性。结果表明,随着辐射器展开角度的变化,辐射器吸收的空间热流也随之发生变化,并最终决定热控回路的流量分配。在工程应用中,基于热控流体回路,通过调节可展开式辐射器的展开角度,可以有效提高航天器热控系统的能力范围。     

认知结构模型机动目标跟踪算法

针对复杂战场中环境特性复杂以及目标机动性能提升所带来的跟踪难题,提出一种基于人类认知机制的机动目标自适应跟踪算法。算法将人类“记忆”机制引入机动模型构建,利用神经网络对目标特征参数进行离线学习并存储,指导机动模型参数实时调整,使模型对运动状态的描述更加合理。为进一步提高跟踪性能,基于人类认知“感知-行动”循环理论,将雷达接收端经数据处理后的目标状态估计信息反馈至雷达发射端,以最小感知信息熵为代价函数,从波形库中自适应选择最佳波形来匹配目标。仿真对比实验表明,该算法对环境及目标的感知更加准确,融入波形选择的自适应目标跟踪算法要明显优于传统采用固定波形的跟踪算法。     

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。