用自适应小波神经网络辨识动态实验数据

在气动动态实验中，往往飞行器气动模型是非线性的，很难对动态系统进行正确建模，因此无法得到准确的气动参数值。而采用自适应小波神经网络，无需对该动态系统建模，就可准确地辨识出气动动稳定特性，同时，精度较高、收敛速度较快。采用该方法对某导弹模型风洞自由飞实验结果进行了辨识与动稳定性分析，结果表明用自适用小波神经网络辨识安全可靠。     

软件可靠性测试数据生成方法研究

阐述了构造非实时软件运行剖面的方法,以及根据运行剖面生成非实时软件可靠性测试数据的方法,并提出了构造实时软件运行剖面和生成实时软件可靠性测试数据的思路。最后给出实例,系统地演示非实时软件可靠性测试数据的生成过程。     

非自模化区域内动叶叶尖间隙对气动-声学性能的影响

本文对非自模化区域内小型风机的气动－声学性能进行了实验研究,详细了在非自模化区域内动叶叶尖间隙对气动－声学性能的影响,并与自模化区域内的影响作了对比分析,得到了在非自模化区域内动叶径向间隙对气动－声学性能的修正,计算结果与实测值吻合良好。初步提示了非自模化区域内动叶叶尖间隙对气动－声学性能影响的机理。     

基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。     

大跨屋盖悬挑结构的风荷载分析

针对悬挑结构的上下表面同时受到风荷载作用的特点，提出风洞试验中同步测量的实验方法，分析上下表面风压相关性及其物理意义，给出悬挑结构平均风压和脉动风压的计算方法，探讨了同步测量和异步测量情况下峰值因子的合理取值。     

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。     

光敏推进剂激光烧蚀过程建模与仿真

相较于传统大卫星,微小卫星具有结构紧凑、质量轻便和成本低廉的特点。然而,受功率和质量负载的限制,微小卫星一般不装备推进系统,其航线也局限于近地轨道。为扩展微小卫星的功能,满足日益复杂的任务需求,需给其配备合适的微推进系统。固体推进系统具有结构简单、寿命长、可靠性高的优点,但无法重复启动。为得到可重复启动的固体微推进系统,设计了一种非自持燃烧的光敏推进剂,采用激光控制其燃烧。在背压为大气压的环境下,利用高速摄像机拍摄燃烧过程并记录燃速。之后,对光敏推进剂的激光烧蚀过程进行建模。分析结果表明:激光可控制光敏推进剂的燃烧,燃速与激光强度成线性关系;该光敏推进剂的最小激光点火强度为0.28 W/mm~2;燃速计算值与实测值的误差在10%以内,证明该数学模型具备工程应用价值。     

场协同原理在高超声速化学非平衡流动中的推广

应用理论分析与数值模拟方法,将对流传热的场协同原理从不可压缩流动推广至高超声速化学非平衡流动中。结果表明,高超声速化学非平衡层流与湍流的热流密度取决于流动的当地单位体积的动量与单位质量总焓梯度的协同。用当地单位体积的动量与单位质量总焓梯度的协同研究高超声速化学非平衡流动的壁面传热问题,对层流流动下的对流传热,不但计及了高超声速化学非平衡流的密度变化对热流密度的影响,而且包括了静焓梯度、压力梯度、边界层内的分子黏性剪切效应对热流密度的作用;对湍流问题,除了上述层流流动各项对热流密度的影响外,还计及了雷诺剪切应力对热流密度的作用。考虑到高超声速化学非平衡流静焓的定义,高超声速化学非平衡层流及湍流的场协同同时计及所有组分的平动能、转动能、振动能及电子能等梯度的贡献。     

多飞行器动态目标追踪协同控制研究

多飞行器追踪动态目标是一个协同控制问题,需要根据目标飞行状态,协同各个追踪飞行器的飞行状态,最终能够在某动态的最佳点实现同时到达。考虑到目标具有较强的机动性,轨迹通常为非线性的,设计了一种基于非线性轨迹预测的、以剩余时间为控制变量的一致性控制方案。仿真结果表明,提出的控制方案能够实现空间位置相距较远的多飞行器动态追踪,具有较好的灵活性和收敛性,目标轨迹的预测结果与实际轨迹误差较小,恰当的轨迹估计有助于缩短追踪时间,提高追踪效率。     

改进PointNetLK的点云智能配准与位姿图优化方法

针对空间在轨服务任务中的非合作目标相对位姿测量问题,提出一种目标可测部位点云的智能配准方法。首先,通过Straight Through滤波算法对半物理仿真平台采集得到的点云进行目标提取,以消除背景数据等杂乱信息;其次,改进PointNetLK神经网络点云配准算法,将提取后的点云数据作为输入,从而获得初步配准结果,解决非合作目标先验信息缺失导致的无法配准问题;最后,建立基于位姿图的优化模型,以降低配准误差,提高配准精度。实验结果表明,与传统迭代最近点(ICP)算法相比,配准综合误差从6.3598降低到1.7291,精度提高约 72.81% 单次耗时从33.16 s降低到4.2 s,效率提升约87.33%,与当前SM ICP等其他算法相比,也具有一定的优势。