高斯粒子滤波器及其在非线性估计中的应用

为了解决非线性、非高斯系统估计问题,讨论了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。在符合高斯假设和一定的粒子数的情况下,谈算法可以获得近似最优解。与粒子滤波算法相比,其优点是不需要重采样步骤和不存在粒子退化现象。在滤波精度、运算时间等方面与扩展卡尔曼滤波、Unscented滤波、高斯厄米特滤波及一般的粒子滤波进行了比较分析,仿真结果表明该算法性能优于其他算法。     

固体火箭发动机喷管气固两相流动的数值模拟

对颗粒相采用颗粒轨道模型,气相求解可压缩N-S方程组,计算方法采用显式Runge-Kutta时间推进法与有总变差衰减(TVD)性质的高精度MUSCL-Roe格式;自主开发了曲线坐标系下二维轴对称可压缩N-S方程组的解算器Solve2D,研究了固体火箭发动机喷管中颗粒相对流场的影响以及不同尺寸颗粒运动规律.结果表明:颗粒相对流场的影响主要表现在喷管喉部以及扩张段,和单相流场相比,沿轴线马赫数减小,且颗粒尺寸越小减少得越多;沿轴线气相温度升高,且颗粒尺寸越小温度升高越多;颗粒尺寸越小,无粒子区越小;颗粒越大与收缩段壁面碰撞越剧烈,无粒子区越大.      

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

基于灰色理论的自适应多参数预测模型

故障预测对保障武器装备安全可靠工作具有重要意义。但是,用于武器装备故障诊断和预测的数据往往是小样本、多特征参数数据,当前主要的故障预测方法在实际故障预测中虽取得了一定的效果,但均存在不足之处。本文基于灰色预测建模理论,分析了GM(1,1)预测建模中的不足,考虑多个特征参数间的相互关系以及预测序列的实际特点,修正了初始值和背景值,建立了小样本情况下的自适应多特征参数预测模型,并以某型飞机发动机的多特征参数的仿真数据为例进行了预测分析,结果表明该模型具有很好的预测精度,证明了该模型的有效性。     

周期性供油气助雾化直喷喷嘴雾化特性试验

对一种典型的周期性供油气助雾化直喷喷嘴的雾化特性进行试验研究,分析总结了喷油脉宽、间隔时间、喷气脉宽以及空气压力对雾化性能的影响规律.试验中使用RP-3航空煤油作用工质,使用压缩空气作为介质;用激光粒度分析仪对油雾场进行测量并进行处理分析;喷油脉宽与喷气脉宽变化范围为2～8ms,间隔时间为-2～5ms,空气压力为0.1～0.65MPa.研究结果表明:随着气油比的增加,索太尔平均直径减小,均匀程度增加,雾化性能提高;增加空气压力,可以使空气密度增加,加大空气与燃油的气动作用力,有利于雾化性能的提高;增加间隔时间也可使雾化性能有小幅度的提升;在较大的平均粒径下,更加分散的粒径分布仍然可以具有较大的均匀度分布指数.对试验数据进行分析,在较高空气压力下,得到了该周期性供油气助雾化直喷喷嘴的平均粒径的经验计算模型.      

基于低密度粒子图像叠加的Micro-PIV速度场测量

提出了一种基于低密度粒子图像的微流体粒子图像全场测速技术。经过背景噪声去除、阈值过滤、图像增强等图像预处理过程,获得了高质量的低密度荧光示踪粒子图像。对100对图像进行图像叠加处理,得到了满足互相关算法求解二维速度场的高密度叠加粒子图像。针对宽度为250μm,深60μm的长直微通道开展了覆盖全场不同流体层平面的二维速度测量,并利用多个流体平面的二维速度场实现了微通道内全场速度的构建。研究结果表明：由于图像叠加法去除了像径大但灰度低的背景粒子图像,采用互相关分析能够准确获得分层二维速度场,所构建的全场速度场正确反映了长直微通道内流流场特征。     

不同压力下微秒脉冲表面介质阻挡放电流场实验

采用粒子图像测速（PIV）技术,在不同空气压力条件下,测量了微秒脉冲等离子体气动激励诱导流场的演化过程,分析了不同压力下的流场启动涡、流场结构和壁面射流.根据实验数据计算研究了诱导力随压力变化的空间分布趋势.实验结果表明:常压下和5500Pa压力下产生一个启动涡,19000Pa和11700Pa压力下产生两个启动涡.稳定流场结构随压力减少分别为L型、∽型和V型.压力减小,诱导流场对等离子体气动激励的响应时间减少,射流切向距离变短,距壁面法向距离增加.最大诱导力随压力降低减小,x坐标逐渐向表面介质阻挡放电（SDBD）激励器靠近.      

DR/GPS组合导航系统滤波技术研究

陆用航位推算系统（DR）的精度主要受到里程系数和航向误差的制约,其误差模型本质具有非线性,因此采用非线性滤波算法能显著提高里程系数和航向误差的估计精度。本文将粒子滤波应用到航位推算（DR）/GPS组合导航系统数据融合过程中,对航位推算 (DR) 与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。粒子滤波存在的主要问题是粒子的退化现象严重,本文将量子粒子群优化 (PSO) 算法与粒子滤波相结合,提出了量子PSO粒子滤波算法,该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过量子PSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了粒子滤波的精度。跑车实验结果表明,该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

开缝圆柱缝隙倾斜角对脱落涡的影响

开缝圆柱绕流作为钝体绕流研究的分支,具备很强的应用前景,但是对其复杂的流动现象的物理本质的理解仍不完善。本文采用流动显示技术和粒子成像测速技术(PIV),探究缝隙对开缝圆柱流场结构的影响,在数据处理方面采用本征正交分解(POD)方法对开缝圆柱流场信息进行了重建。实验研究表明:在一定雷诺数范围内,开缝圆柱缝隙的存在从根本上改变了圆柱绕流近区尾流的结构;开缝圆柱脱落涡的脱落频率对开缝圆柱缝隙倾斜角具有一定的敏感性,随着缝隙倾斜角的增大其斯特劳哈尔数逐渐变大,对比发现开缝圆柱狭缝比(缝隙/直径)为0.15时较0.10的斯特劳哈尔数具有更强的稳定性。     

高抗扰高精度无人机着舰纵向飞行控制

针对无人机着舰过程中舰尾流扰动和甲板运动扰动对着舰点散布的影响,对复杂着舰环境下的无人机着舰纵向控制策略、控制结构和控制律参数设计方法进行研究。针对常规控制结构抗扰能力不足的问题,提出了无人机着舰纵向多操纵面平衡态直接力控制(DFC)策略及控制结构。提出了面向着舰点散布的控制律参数优化设计方法,该方法在保证系统满足稳定裕度指标的基础上,综合考虑了舰尾流扰动和甲板运动扰动对着舰点散布的影响,使2种扰动造成的着舰点散布最小。构建控制律参数优化设计问题,通过粒子群优化(PSO)算法进行优化设计,得到高抗扰性能的控制律参数。在控制律参数优化中考虑舰尾流和甲板运动的功率谱密度分布,使设计更具有针对性,减小了控制律设计的保守性,进一步提高控制的抗扰性能。算例设计及仿真验证了多操纵面平衡态DFC控制结构在抵抗舰尾流扰动和甲板运动扰动方面的优异性能,并证明了所提控制律参数设计方法的有效性。