模型大迎角高速动态特性与数据精度分析

为满足新一代高机动飞机气动性能评估、控制系统精确设计与高机动作战指标实现的需求,模型高速风洞大迎角俯仰动态特性探索及其试验数据精度的确定势在必行,且具有十分重要的工程意义。选取70°三角翼模型、SDM和Su-27飞机模型,在FL-24风洞的大振幅俯仰动态试验技术平台上对动态气动特性与试验数据精度进行了研究,获取了70°三角翼模型、SDM和Su-27飞机模型动态气动特性与重复性试验结果。研究结果表明：试验条件下,3种模型的动态数据精度较高,基本达到了高速风洞大迎角常规测力试验数据的精度水平。     

随机环境应力冲击下基于多参数相关退化的导弹部件寿命预测

为了解决某型导弹部件的贮存寿命预测问题,提出了一种随机环境应力冲击下基于多参数相关退化的寿命预测方法。针对产品存在退化失效与突发失效两种失效模式,利用Wiener、Gamma及Inverse Gaussian等随机过程模型拟合各性能参数的退化数据,并采用Copula函数进行相关性退化失效建模;利用随机环境应力冲击解释突发失效的机理,并采用非均匀泊松过程对突发失效建模;进而建立退化失效与突发失效竞争的贮存寿命预测模型。实例应用说明所提方法能够反映出导弹部件的失效规律,比传统预测方法具有更高的预测准确性,具有较好的工程应用价值。     

高空飞艇螺旋桨优化设计与气动性能车载试验

结合某高空飞艇螺旋桨的总体设计方案要求,完成螺旋桨的优化设计以及气动性能车载试验.采用叶素动量理论作为螺旋桨气动性能的计算方法,并通过风洞试验验证了该方法的可靠性.结合遗传算法对螺旋桨的弦长和扭转角进行了优化,使螺旋桨更加高效轻质,优化后螺旋桨设计点的气动效率增加了2.3%.建立螺旋桨车载试验测控系统,可以改变试验海拔高度和大气参数,得到优化设计螺旋桨不同工况的气动性能.试验结果表明,相同转速和来流条件下,海拔越高,螺旋桨的推力和扭矩越小.海拔为3-6km时,全尺寸高空飞艇螺旋桨计算推力和扭矩与试验结果的平均相对误差分别为2.8%和9.2%,两者基本吻合,从而验证了高空飞艇螺旋桨车载试验的准确性.      

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

基于增量模型的BTT导弹新型解耦补偿控制

详细分析了倾斜转弯(BTT, Bank-To-Turn)导弹传统动态逆控制的特点及其存在的问题,在此基础上提出了一种基于增量模型的BTT导弹解耦补偿控制方法.该方法通过建立一种描述从当前动态转移至期望动态的BTT导弹增量模型,消除了难以测量或不确定较大的模型部分;在此基础上结合动态逆控制思想设计了BTT导弹的增量式解耦跟踪控制律,与传统动态逆相比,该控制律对模型的依赖程度大幅降低;为进一步提高控制系统对干扰的适应性,提出了一种简单的干扰估计/补偿策略;最后通过数学仿真验证了该方法的有效性.     

基于粒子滤波和不确定图的动态系统诊断方法

在动态系统基于模型诊断中,状态空间大小与元件个数、时间是双指数关系.K-Best枚举方法每个时刻只考虑K个可能性最大的状态,有效减小了枚举空间,但当系统复杂庞大或诊断周期长时,状态更新仍是一项巨大工程.提出一种结合粒子滤波和不确定图的动态系统诊断方法PF_LUG,利用粒子在状态空间的分布近似其概率,并用不确定图标签的反向匹配代替传统的正向轨迹枚举.算法有效解决了由时间导致的计算量增长问题,使时间对复杂度的影响由指数运算降为乘积运算.仿真结果表明该算法的运行时间相对诊断周期线性增长,比K-Best枚举有明显优势.     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

飞行员视觉信息流强度模拟及适人性分析

为了合理地确定飞行员在执行飞行任务时的视觉信息流强度,开发了飞机座舱显示界面仿真模型,以被试的正确反应率和反应时间来评价作业绩效.通过实验和数据分析得到以下结果:所建立的视觉信息流模型中视觉信息流强度曲线符合正态分布.不同的视觉信息量完成任务差异显著,信息量增加到一定程度时辨识变慢,出现错误的几率升高;在相同视觉信息量情况下,夜晚与白天、动态与静态执行任务辨识和绩效差异显著,白天要比夜晚、静态要比动态辨识效率和绩效更好.      

基于动态RCS的无人机航迹实时规划

传统的无人机航迹规划主要采用仅考虑无人机与雷达距离的简化雷达威胁模型,未充分考虑无人机雷达散射截面RCS(Radar Cross-Section)随自身姿态角改变而产生的动态变化.据此,提出了无人机周向动态RCS模型,并建立了综合考虑无人机动态RCS与雷达距离的探测概率模型,利用遗传算法进行了基于动态RCS的航迹实时规划,计算结果与传统航迹规划结果进行了对比.仿真结果表明该模型的可行性和有效性,能充分利用无人机自身的优势规避威胁,满足无人机的航迹实时规划的要求.