扰动测量环境中基于图像序列的模态参数识别

针对结构模态参数识别,提出了一种基于二维连续图像序列的识别方法.该方法以CCD相机采集的图像序列为基础,在待识别结构上选取一定数量的特征点,运用因子分解法将结构运动参数和外形信息分离开,得到各特征点的运动轨迹,通过实施特征系统实现算法(ERA,Eigen-system Realization Algorithm)识别出结构的模态参数.特别是当测量仪器,即CCD相机受到扰动时,能够从图像序列中分离扰动,得到结构自身的运动参数,保证较好的识别效果.以相机受扰动时,悬臂梁模型为例进行了仿真分析.将识别出的悬臂梁前5阶频率与ANSYS计算结果进行对比,结果吻合很好,对于工程中利用光学图像识别结构动态特性具有较高的参考价值.     

第2009卡林顿周太阳活动的初步分析

介绍了第 2 0 0 9卡林顿周大黑子群AR484,AR486和AR488产生的太阳活动以及这些太阳活动对地球空间环境造成的影响。依据对太阳活动的统计研究 ,简要分析了三个大黑子群活动的差异。分析结果指出 ,关注某一时期太阳活动的活动经度带以及太阳活动在某一半球的主次是解决太阳活动短期预报非常重要的思路     

一个二次可积系统在二次保守扰动下的分支

研究了一个具有同宿轨的二次可积系统在二次保守扰动下的分支现象.此时一阶Melnikov函数恒等于零,必须考虑二阶Melnikov函数,而在一阶Melnikov函数中不起作用的扰动参数在二阶Melnikov函数中却起着非常重要的作用,因此扰动部分极为复杂.在此借助于二阶Melnikov函数的计算公式及理论分析,建立了极限环分支定理,得到了在一阶Melnikov函数恒等于零,而二阶Melnikov函数不恒等于零时,可能分支出的极限环个数最大为2的结论.     

三维扰动波在局部粗糙边界层中的稳定性研究

采用局部喷、吸、喷和吸组合来模拟局部粗糙壁面,数值计算获得稳定的三维边界层的基本流.在此基础上研究了三维扰动波在该基本流中的空间演化问题,讨论了局部粗糙的形式、分布结构对三维扰动波的幅值增长率及流动稳定性影响.计算结果表明:三维局部粗糙对三维扰动波的增长、涡的形成都起着激励的作用.扰动波演化产生的平均流修正及局部粗糙诱导展向速度的存在,影响着流体运动稳定性.与光滑壁面相比,三维局部粗糙作用下扰动波的传播角度与相位角发生明显变化,而不同形式的二维局部粗糙壁面边界层显示出不同的稳定特性.     

流量测量中的实时信号分析

任何时序信号都可用规一化正交基展开，这些规一化正交基的展开幅度将反应出信号的动态性。     

边界层稳定性的非平行性问题研究

采用抛物化稳定性方程的新方法研究稳定性的非平行问题，其控制方程从涡量形式的N－S方程导出，为提高计算精度和收敛速度，在法向采用高精度的高阶谱方法，结合边界层特征安排边界条件的方程，以及对无限区域数值问题作高效的代数变换处理，通过对预估校正迭代过程中推进步长有效的控制，以满足正规化条件，研究了不同类型压力梯度对稳定性的作用，由系列算例得到的增长率变化曲线和扰动中性曲线等，精确地给出了非平行性对流动稳定性的影响，计算的结果与相关数据符合甚好。     

关于一类非线性连续Leontief模型的条件投入产出方程的可解性结果

引入了一类非线性连续型Leontief模型及对应的条件投入产出方程．提出在正向或负向边界条件下的两个基本问题。通过应用非线性分析方法．得到了该方程的可解性结果与对应解的扰动性质，并通过注解说明了其经济意义。     

低热层臭氧含量振荡和温度起伏间的耦合关系

本文求出了声重波传播过程中,低热层臭氧含量振荡和温度场起伏间的耦合关系。首次揭示出其正负相关性的内在原因和判据——动力扰动尺度。在中小尺度声重波扰动范围内,臭氧含量振荡与温度场起伏是正相关的,且相关幅度可达或超过7;而在大尺度或行星尺度波范围内,则一般为负相关。此发现可解释低热层中臭氧含量快速变化及臭氧含量长时间纬圈平均值变化与温度场成负相关的观测事实。本文还在声重波尺度范围内比较了线性和非线性理论的结果,结果表明两者没有太大的差异。     

基于扰动观测器的无人机固定时间编队协同控制

针对无人机的编队控制问题,基于虚拟领航者编队方法,提出了 1种基于固定时间超螺旋干扰观测器的反步控制策略。首先,设计了 1种固定时间超螺旋扰动观测器,以保证在固定时间内,对无人机编队机动所受扰动的快速观测;其次,针对编队控制问题,设计了基于超螺旋扰动观测器的反步控制策略,该控制器显著降低了抖振效应;然后,使用李雅普诺夫理论和固定时间理论,分析了控制策略的固定时间稳定性;最后,通过仿真算例验证了所提出的控制策略的有效性与可行性。     

考虑未知扰动的RLV再入鲁棒容错姿态控制

针对复杂再入环境下的可重复使用运载器姿态控制问题,考虑大气的未知干扰、气动参数建模的不确定性以及可能发生的执行器部分失效故障,基于增量反步法和径向基函数（RBF）神经网络设计了姿态角回路和角速度回路的控制器。基于神经网络良好的未知逼近能力,采用RBF神经网络对增量反步法设计过程中的泰勒展开高阶项以及上述未知扰动和故障产生的影响进行逼近估计,并在控制律中进行补偿。经过仿真验证,所设计的控制系统能够在未知扰动影响下有效提高指令的跟踪精度,并且对飞行器的本体特性建模依赖较少,具有良好的鲁棒容错能力。