机动飞行时航空发动机转子系统的振动特性

 利用Lagrange方程建立飞机在任意机动飞行条件下具有多盘、多质量和多轴承的不平衡柔性转子系统运动微分方程的一般表达式,然后以一个双盘悬臂柔性转子系统为例用数值方法研究飞机的典型机动飞行对转子系统动力特性的影响。结果表明:机动飞行将使转子运动轨迹的中心偏离原来的轴线,转子系统的振动明显增大,从而可能使转子与定子之间发生局部的碰磨。因此,飞机作机动飞行时,必须考虑机动飞行因素对转子动力特性的影响。     

机动飞行时发动机转子系统动力学统一模型

利用Lagrange方程建立了飞机在任意空间机动飞行时发动机安装在飞机上任意位置条件下不平衡多盘、多质量和多轴承线性及非线性柔性转子系统动力学的统一模型,讨论了飞机的空间机动飞行对发动机转子系统动力特性的影响.结果表明飞机的空间机动飞行不仅在发动机的转子系统上产生了非周期性的附加外激励力,而且还会产生附加的阻尼和刚度效应,这些效应不仅会影响转子系统运动轨道的大小而且会使转子系统运动轨道的中心发生偏移,从而可能使发动机转子与定子之间发生局部的碰磨.因此,在分析航空发动机转子系统的动力特性时,必须考虑飞机机动飞行因素对转子系统动力特性的影响.      

机动飞行飞行器内具有初始弯曲和刚度不对称的转子运动模型

本文建立了位于机动飞行飞行器内且同时具有初始弯曲、不对称刚度和质量不平衡的单盘Jeffcott转子的动力学模型。当飞行器静止时,设相关参数为零后该模型与相应地面转子系统的数学模型完全相同。应用该模型可数值仿真研究飞行器运动时位于飞行器内的等转速、等加速、等减速运行转子的动态特性,研究飞行器不同飞行速度和加速度对转子动力学特性的影响,分析飞行器飞行时转子出现故障时的响应特性,从而为机动飞行器内转子的动力学分析和故障诊断提供依据。     

变轨发动机组辐射传热地面模拟试验

采用电加热器和水冷真空舱近似模拟发动机内外的高温燃气和低温真空环境，以敷辐射涂层的不锈钢代替铌合金，在地面进行了飞船变轨发动机组缩比试验件的高温辐射模拟试验。结果表明：中部温度为900℃，喷口温度为250℃的试验工况下，四机并联工作引起的最大周向温差在中亿部和喷口分别约为21℃和150℃，两机工况时周向温度不均匀性不及四机严重，喉部温差基本可忽略。     

Adaptive recurrent neural networks tracking-filter for maneuvering target

Ｇｅｎｅｒａｌｙ,ｔｈｅｏｐｔｉｍａｌｔａｒｇｅｔ－ｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｓａｒｅｂａｓｅｄｏｎｔｗｏａｓｓｕｍｐｔｉｏｎｓ：１）ｔｈｅｔａｒｇｅｔｍａｎｅｕｖｅｒｉｎｇｍｏｄｅｌｓａｒｅｋｎｏｗｎ;２）ｔｈｅｃｏｖａｒｉａｎｃｅｍａｔｒ...     

自寻的导弹攻击机动目标的最优制导规律的研究及实现

提出一种适用于红外和雷达自寻的制导导弹的适应性强、制导精度高、易实现的最优制导规律。为解决工程实现的关键问题,提出了目标机动加速度模型。根据该模型并利用导弹导引头的AGC信号或雷达测距信号,给出了目标机动加速度、导弹与目标相对距离和距离变化率的估计算法。     

基于极限学习机的修正当前统计模型跟踪算法

针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明...     

大机动无人机飞行控制系统的设计与试验

本文着重介绍大机动无人机KJ-9C行控制系统的设计思想和所采取的技术措施,从而解决了如何稳定地进入和安全地退出大机动飞行,以及如何保持稳定盘旋等技术难题。通过方案选择、调节规律的确定、系统的组成、仿真技术的应用和机载鉴定试飞的全过程,证明这套控制系统既能满足无人机的战术要求,又易于工程实现。     

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。      

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。