基于改进AHP的某自主防空作战平台技术成熟度评估

为提高某自主防空作战平台系统技术成熟度,研究了技术成熟度评估方法.简要介绍了技术成熟度的研究现状,构建了某自主防空作战平台系统技术成熟度评估模型,并运用改进的层次分析法对其技术成熟度等级进行了评估,从而为某自主防空作战平台系统技术成熟度评估和提高提供参考.     

考虑摩擦的空间抓捕过程碰撞动力学分析与控制

目前针对空间抓捕中的碰撞进行建模的方法中很少考虑摩擦因素。然而,摩擦作为碰撞过程中不可避免的现象,对碰撞动力学响应及整个空间抓捕任务有着不容忽视的影响。文章结合库伦摩擦理论和拉格朗日乘子法,建立了同时兼顾滑动和粘滞状态的摩擦模型,然后将求解到的摩擦力与碰撞力进行矢量合成,作为对碰撞模型的修正。另外,针对碰撞过程对机器人姿态产生的干扰,利用反 馈线性化设计了解耦控制器对基座姿态漂移进行稳定控制。数值仿真采用一个平面2灢DOF空间机器人,利用动量和动量矩守恒定理验证了动力学模型的正确性,同时基座姿态控制结果收敛说明了控制器的有效性。     

基于伪谱法的空间绳系组合体最优燃耗离轨研究

为了优化空间绳系组合体轨道转移的燃耗,提出一种基于伪谱法求解的包含拖拽、平衡、甩摆三个阶段的绳系组合体最优燃耗离轨方案. 首先将全过程离轨的燃耗作为性能指标,采用简化的绳系组合体动力学模型,利用高斯伪谱法求解出拖拽阶段系统状态最优轨迹;其次考虑较复杂的绳系组合体动力学模型,使用模型预测控制方法跟踪拖拽阶段系统状态最优轨迹. 仿真结果表明该方法能实现主动星安全、高效,并以最低燃耗地将目标星转移到目标轨道.     

航天器分布式智能计算体系的数学建模与调度算法研究

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO-EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

舌形张角型脉冲等离子体推力器极板结构参数影响仿真研究

脉冲等离子体推力器是一种具有发展前景的电推进装置,具有比冲高、质量轻等优点,可用于微小卫星的姿态控制、轨道转移等任务。以ADD SIMP–LEX推力器为例,建立数学仿真模型,并对舌形张角型极板构型进行仿真,经过仿真和实验结果对比,探究了不同极板参数对推力器的主要性能参数(元冲量、效率、比冲等)的影响,研究结果表明:增大宽度比,元冲量和效率随之增大,比冲有所降低;增大张角,元冲量和效率也随之增大,比冲略有降低,但幅度不大。     

热完全气体的热力学特性及其N-S方程的求解

首先用五次多项式拟合给出了温度在50～3000K范围内的热完全空气的焓值与温度之间的函数关系式，导出了其它热力参数e，cp，cv和γ的表达式。接着提出了热完全空气总温、总压的计算方法，并将其计算结果与量热完全空气的结果进行了比较。最后，将该热完全空气模型用于N-S方程求解，对NAPA软件进行了改进，并用该软件时高马赫数钝体绕流流场和乘波体流场进行了计算，分析了气体真实效应时流场结构及参数的影响。结果表明，本文提出的总温、总压计算方法及时NAPA软件的改进是成功的，可较准确地模拟高超声速流动的主要特征。     

基于遗传算法和空间推进方法的单壁扩张喷管优化设计研究

 将单目标遗传算法和多目标遗传算法（包括NSGA-II和NCGA）,与高效、高精度的空间推进流场数值模拟方法——SSPNS方法相结合,对二维超燃冲压发动机尾喷管即单壁扩张喷管（SERN）进行了气动优化设计研究。在巡航点（Ma=6.0）讨论了推力系数C_T最大单目标模型,推力系数C_T最大升力系数C_L最大两目标模型,以及推力系数C_T最大升力系数C_L最大俯仰力矩系数C_m最小三目标模型,分别得到了喷管的最大推力设计和关于多个目标性能的Pareto最优前沿。结果表明,扩张壁初始扩张角θ_r,i和外罩长度L_c对C_T影响较大;较小的L_c和较大的θ_r,i设计,将降低外罩内表面的负升力作用而使得SERN的C_L较大;较长外罩和较小的θ_r,i,对应Pareto最优设计的C_M较小。     

低轨Walker星座构型偏置维持控制方法分析

针对低轨(low earth orbit,LEO)Walker星座构型稳定性维持问题,分析了低轨卫星的轨道摄动和星座构型稳定性的影响因素.通过分析低轨Walker星座的轨道摄动和相对漂移特点,提出了两次偏置策略.首先,依据未偏置时星座相对漂移量拟合得出第一次偏置时的偏置量.然后利用第一次偏置后的相对漂移量拟合得出第二次...     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。