有源光纤环脉冲复制器系统误差分析

借助半导体光放大器(SOA,Semiconductor Optical Amplifier)动态噪声模型结合蒙特卡罗方法对有源光纤环脉冲复制器的复制误差特性进行了研究.对复制误差与环内衰减器衰减、SOA偏置电流、环内注入直流光波长与被复制脉冲幅度等各项参数之间的关系进行了研究.仿真结果表明,较小的环内衰减与较大的偏置电流有助于抑制复制误差,而环内注入直流光波长则应选择较长的波长.通过这些仿真结果探讨了减小复制误差的手段.根据分析结果建立了实验系统,验证了有源光纤环脉冲复制器的低失真复制特性.实验证明有源光纤环脉冲复制器可以对脉冲进行有效的低失真复制.      

基于θ-D非线性控制方法的伴随轨道控制

为了实现燃料消耗最少的伴随轨道控制,研究使用θ-D次优非线性控制方法设计伴随轨道的优化控制律。相对运动模型中考虑了地球形状摄动的影响,且适用于在椭圆轨道上运行的目标航天器。采用状态变量增广法,对相对运动模型进行处理,以满足θ-D控制方法的要求。采用相对轨道要素设计了理想的基准伴随轨道。仿真计算结果表明,所设计的控制律是稳定的,能够以较少的燃料消耗实现伴随轨道的控制。     

非线性支承转子的动平衡

影响系数法是利用线性系统中校正量和被测量之间的线性关系进行转子动平衡。实际应用中,转子系统往往是支承在具有非线性刚度的轴承上。由于线性假设不成立,直接使用影响系数法进行转子动平衡将十分困难。本文运用Lagrange方程和柔度影响系数,建立了非线性支承多盘转子系统的动平衡计算模型,提出了运用优化算法对非线性系统进行等效线性化来平衡非线性支承转子的方法。计算实例表明转子由不平衡量引起的振动得到了大幅度减少,达到了非线性支承转子动平衡的目的,效果良好。      

一种制备C/C复合材料的高效等温ICVI工艺

将传统的负压等温化学气相渗透(ICVI)工艺加以改进,在常压条件下以丙烯为气态前驱体,氮气为稀释气体,通过定向扩散和控制滞留时间,经 100h沉积后制备出密度为 1 72g/cm3 的 C/C复合材料。该方法克服了传统等温CVI工艺致密化速率较慢的问题,提高了致密化效率,有利于降低C/C复合材料的制备成本。     

基于响应面法齿轮啮合传动可靠性灵敏度分析

建立三维参数化齿轮啮合有限元模型,利用ANSYS软件对其进行仿真计算,得到齿轮啮合的接触应力变化规律.基于响应面方法综合考虑齿轮各参数的原始制造误差以及转速、载荷等不同工况对齿轮传动的影响,对齿轮啮合传动进行多次随机虚拟试验,得出其可靠度,并以定量的概率给出各参数的可靠性灵敏度.计算结果得出了各个参数原始制造误差对齿轮...     

倾转旋翼机多模型缝合技术研究

首先从研究倾转旋翼机的全量非线性飞行动力学模型入手,建立倾转旋翼机的非线性仿真模型,并提取其全包线飞行的配平模型;其次利用模糊缝合技术实现由有限线性配平模型拟合非线性模型,从而可以得到具有实时计算能力的近似非线性模型;最后通过对比缝合模型与非线性模型的操纵响应结果可知,二者具有良好的一致性,所建模型有效地提高了计算效率...     

非平行边界层C型失稳的非线性演化(英文)

提出用抛物化稳定性方程(PSE)新方法,研究非平行边界层从层流向湍流转捩的C型失稳的演化过程,特别是非线性演化问题。研究了至关重要的初始条件,包括各扰动谐波的初始解、初始站均流变形的模拟、以及通过对线性 PSE 的求解获得 TS波和C型亚谐扰动的初始站值等。发展了高精度的数值方法,满足PSE的关键性正规化条件,实现非线性抛物化稳定性方程的有效求解和稳定推进。算例展示了Blasius边界层的C型失稳的非线性演化过程,与典型实验结果相吻合。     

一种新的求解非线性方程组的混合遗传算法

为了解决实际工程中经常遇到的求解非线性方程组的问题,作者提出了求解非线性方程组的一种新的思维,即首先将非线性方程组的数值求解问题转化为最优化问题,然后利用浮点遗传算法全局群体搜索能力及起始搜索速度快的特点,快速得到接近精确解的较优解,之后将其作为拟牛顿法迭代的初始值,利用其局部寻优能力非常强的特点,快速迭代至精确解。该混合遗传算法充分利用了浮点遗传算法与拟牛顿法的各自优点。     

基于动态结构自适应神经网络的非线性鲁棒跟踪控制

针对非线性系统,提出一种将H∞鲁棒跟踪控制器与动态结构自适应神经网络相结合的组合控制方法.文中首先将系统线性化,设计H∞鲁棒跟踪控制器;然后针对系统中仍然存在的高阶非线性和未知不确定性,引入一种动态结构自适应神经网络,以对消非线性和不确定性的影响.这种自适应神经网络的隐层神经元随着跟踪误差的增大而在线增加,使得神经网络能以较少的神经元获得最佳的逼近效果,加快神经网络的运算速度,提高整个系统的动态性能.最后用飞行跟踪控制系统的示例证明本文方法是有效的.     

基于遗传算法的混合威布尔分布参数最小二乘估计

混合威布尔分布模型常用来分析具有多种失效模式的复杂系统的可靠性数据,由于模型中包含较多参数,与单一威布尔分布相比,混合威布尔分布的参数估计更为复杂。利用遗传算法为优化方法,提出了一种混合威布尔分布参数估计的最小二乘方法。以残差平方和最小为优化目标,以各参数取值范围为约束条件,构建了混合威布尔分布的非线性最小二乘优化模型;通过变换决策变量上下限、引入惩罚因子和保存最优个体等策略改进传统遗传算法以提高算法的性能,进而利用改进后的遗传优化算法对混合威布尔分布的非线性最小二乘优化模型进行求解。实例分析表明本文方法有效,利用本文方法计算得到的可靠度估计值与真实值之间的最大偏差和标准均方根误差,相对于图估计法分别减少了0.028 4与0.032 8,相对于极大似然估计法分别减少了0.000 8与0.003 6。