基于高速存储平台的高性能RS编译码器设计

目前,星载高速存储设备中采用商用RS编译码IP核来实现数据纠错功能,能够实现的编译码最高速率为800 Mbps,只能依靠多个IP核同时工作达到吉比特高速数据存取速率的要求。星载存储数据发生错误的主要原因是存储区单粒子翻转和存储介质本身特性产生的单比特数据错误。针对星载存储数据的误码特性,本文提出一种RS编译码改进算法,通过对编码算法中的剩余多项式及译码算法中的伴随多项式进行降次处理,减小编译码过程中运算的迭代次数及计算量,以及对编译码算法中的基本运算单元有限域乘法器采用子项复用技术,实现对传统RS编译码算法的改进。结果表明改进后的编译码器能达到最高数据速率为10.5 Gbps,编码器资源较单个商用IP核减少15%,译码器资源减少40%,能够满足后续高速存储平台的应用要求。     

三轴陀螺稳定平台伺服回路全姿态解耦及变增益控制方法

在载体大机动飞行背景下,要求惯性平台具备全姿态的功能。国内现有的三轴陀螺稳定平台（简称三轴平台）不具备全姿态的功能,在内框架增加了限位挡钉以限制内框架角的工作范围,主要是基于内框架角不能工作在接近于?90?的认识。为了准确描述全姿态条件下三轴平台的运动规律,本文指出了传统动力学推导过程中的不足之处,重新建立了三轴平台的动力学模型,基于该模型给出了非奇异的全姿态伺服回路并提出了一种新的全姿态解耦方法,包括力矩解耦和转动惯量解耦。最后,针对转动惯量在框架转动过程中非定值的问题,提出了基于H∞控制理论的变增益控制策略。仿真结果表明,变增益控制器相对定常参数控制器可显著改善三轴平台伺服回路控制的性能。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

跨介质航行器波浪环境入水流场演变和运动特性研究

跨介质航行器是一种既可以在空中飞行又可以在水下潜航的新概念航行器,基于仿生学原理,提出一种通过改变外形实现水空介质跨越的航行器模型,通过入水试验装置和计算流体动力学方法,对航行器带攻角从空气到水的介质跨越过程进行了试验和数值仿真研究,得到了跨介质入水过程航行器的运动姿态和入水空泡形态,并通过数值仿真得到了航行器的升力、阻力、速度和加速度演化规律。同时基于数值模拟方法对有波浪情况和静水情况下航行器入水过程空泡演变以及运动特性进行对比。结果表明:提出的航行器构型在水中具有较好的姿态调整能力,波浪的有无和波高的不同都会对航行体入水运动特性造成影响。     

跨介质航行器流体动力外形仿生设计

跨介质航行器是一种可在空中与水中两栖巡航并能自由穿越水气界面的新概念海空两栖无人运动平台,需要具备良好的入水和出水性能及较小的水下流体阻力。采用两种生物组合仿生的设计思想,利用全自动三维影像扫描仪获取具有优良入水性能的翠鸟头部和龙虱身体的形体特征点云数据,应用傅立叶级数拟合方法拟合特征曲线,设计了一种跨介质航行器流体动力外形,为减小航行器入水冲击载荷、降低水下航行阻力提供了设计方案。     

带攻角约束的高超声速飞行器自适应反步控制器设计

针对带攻角(AOA)约束的高超声速飞行器控制问题,提出一种基于非对称时变障碍函数的非线性自适应反步控制方法。首先,将飞行器模型化为严反馈形式,以反步法为基础进行控制器设计。然后通过光滑饱和函数对名义攻角指令信号进行限幅,并保证限幅信号的可导性,限幅产生的误差通过设计辅助系统进行补偿。进而使用障碍函数对攻角指令跟踪误差进行非对称时变约束。针对不确定性和干扰,设计新型自适应律对集中干扰上界进行估计并补偿。最终通过Lyapunov理论证明了闭环系统状态量一致最终有界并且攻角始终满足时变约束。仿真结果表明,本文方法能够在满足攻角约束基础上保证良好跟踪性能。     

执行器故障下的运载火箭非奇异终端滑模容错控制

针对存在未知外部干扰和执行器卡死故障的运载火箭,提出了一种基于非奇异终端滑模面的姿态跟踪控制算法。首先,建立了考虑干扰和执行器卡死故障的运载火箭姿态控制系统多输入多输出系统模型;然后定义了运载火箭姿态跟踪系统模型,针对定义的模型,设计了一种非奇异终端滑模面,使得系统在执行器故障情况下仍能较为精确地跟踪参考信号。基于李雅普诺夫函数证明了运载火箭姿态跟踪控制系统的稳定性和有限时间收敛特性。数值仿真检验了本文基于非奇异终端滑模运载火箭姿态跟踪控制算法的有效性。     

100 kWe级空间快堆核电源系统仿真平台开发与应用

空间核反应堆电源作为一种具有竞争力的空间电源方案,正逐渐受到关注及应用。本文针对一个100 kWe级锂冷快堆耦合布雷顿循环的空间堆核动力系统方案,修改了RELAP5程序中的物性程序、换热模型,程序中的中子动力学模块使用蒙特卡洛方法计算快堆物理参数与堆芯控制调节参数,由此集成并建立一个空间快堆核动力系统综合仿真平台,应用该平台对100 kWe级空间堆核动力系统进行了稳态模拟与事故分析。结果表明:在瞬态发生后系统各参数变化符合预期,验证了各部件及控制系统的功能性及有效性;同时,还初步进行了仿真平台用于100 kWe级空间反应堆核动力系统设备的设计优化的实践,为空间快堆设计与安全分析提供了技术储备。     

Hypersonic reentry trajectory planning by using hybrid fractional-order particle swarm optimization and gravitational search algorithm

This paper proposes a novel hybrid algorithm called Fractional-order Particle Swarm optimization Gravitational Search Algorithm (FPSOGSA) and applies it to the trajectory planning of the hypersonic lifting reentry flight vehicles. The proposed method is used to calculate the control profiles to achieve the two objectives, namely a smoother trajectory and enforcement of the path constraints with terminal accuracy. The smoothness of the trajectory is achieved by scheduling the bank angle with the aid of a modified scheme known as a Quasi-Equilibrium Glide (QEG) scheme. The aerodynamic load factor and the dynamic pressure path constraints are enforced by further planning of the bank angle with the help of a constraint enforcement scheme. The maximum heating rate path constraint is enforced through the angle of attack parameterization. The Common Aero Vehicle (CAV) flight vehicle is used for the simulation purpose to test and compare the proposed method with that of the standard Particle Swarm Optimization (PSO) method and the standard Gravitational Search Algorithm (GSA). The simulation results confirm the efficiency of the proposed FPSOGSA method over the standard PSO and the GSA methods by showing its better convergence and computation efficiency.     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。