温度载荷下的药柱累积损伤分析

为研究温度载荷下的药柱累积损伤规律,应用线性累积损伤理论,建立了固体推进剂热粘弹性累积损伤模型,并根据不同应力水平下的蠕变破坏试验数据,获得了累积损伤的表达式;对药柱进行了热粘弹性有限元计算,得到了药柱危险部位的最大Von Mises应力随温度的变化规律,并讨论了不同贮存温度对药柱累积损伤的影响,最后针对典型海区的不同贮存温度进行了药柱的累积损伤算例分析.结果表明,温度是影响药柱损伤的重要因素,在热应力较大时药柱损伤并不总是较大;温度、应力大小以及作用时间共同决定着药柱的累积损伤.     

故障因子诊断方法在航空发动机上的应用研究

航空发动机气路中任何零部件受损而引起的性能恶化,必然导致相关参数的变化。引入了故障因子的概念,介绍了故障因子诊断方法在航空发动机上的应用,阐述了航空发动机故障诊断过程中测量参数与性能参数选取的依据和方法,利用故障因子建立了某型涡喷发动机稳态工作状态下的故障模型和诊断模型,探讨了4个测量参数诊断气路部件故障的方法。算例结果表明:故障因子诊断方法是航空发动机进行故障诊断的1种最基本且十分有效、快捷的诊断手段。     

某螺旋桨长航时无人机气动力改进设计与分析

针对螺旋桨长航时无人机的使用设计要求,从现有单段翼型出发进行了高升力两段翼型设计。结合某型螺旋桨长航时无人机,对采用两段翼型机翼的翼身组合体数模进行了气动力特性分析。计算结果表明,所设计的两段机翼可以产生比单段机翼更大的可用升力和更高的续航因子,说明该设计思想是可行的。     

风场环境下主动建模无人直升机改进LQG控制

为了使小型无人直升机在风场环境下稳定飞行,通过将主动建模技术与传统的LQG控制相结合,提出了一种能有效适应模型不确定性的控制方法。该方法将风场对无人直升机的扰动看作随机扰动,并把这种扰动作为参数与机体模型中的状态合并成增广的机体状态量,而后用卡尔曼滤波对其进行实时估计,实时得到扰动的估计值,并将其反馈给控制器以实现对控制器的重构,从而完成对无人直升机的稳定控制。依据建模理论建立了机体的半解耦模型以及大气紊流模型,用该模型进行了仿真,结果表明,本控制方法对大气紊流有一定的抑制作用。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

一种基于参数控制的低轨星载接收机载波跟踪算法CSCD

低轨星座接收机面临大多普勒频移及频繁快速换星等设计约束,对其载波跟踪环路设计提出了较高的动态适应性与跟踪精度要求。针对以上问题,提出了一种基于参数控制的载波跟踪算法。该算法引入环路控制因子参数,将环路滤波器分为牵引和跟踪两阶段。基于理论建模推导环路控制因子的最优参数配置原则,指导实现牵引和跟踪两种状态滤波器的协同配合,在牵引阶段有效引导大多普勒信号快速入锁,在跟踪阶段精确估计载波频移参数,实现基于低轨星载平台的GNSS信号快速准确跟踪。理论与仿真结果均表明基于参数控制的载波跟踪算法能够有效提升环路的动态适应性与跟踪精度,满足低轨星载接收机的设计需求。与传统算法相比,该算法在保证信号跟踪精度的同时,能够将收敛时间缩短78%,且环路设计简单,易于硬件实现。     

民机空调系统部件不完全维修决策优化

针对民机系统部件维修通常存在的"维修过剩"与"维修不足"问题,提出一种综合考虑维修经济性与可靠性的不完全维修优化模型。引入改善因子表达不完全维修对部件有效寿命的影响,采用最小维修、预防性维修和修复性更换相结合的维修策略,构建以单位时间总维修成本最低为目标、可靠寿命为约束的数学模型,利用遗传算法进行求解,获得优化的维修时间间隔。以民用飞机空调系统部件的维修为例验证了优化模型的可行性,可为航空公司制定合理高效的维修计划提供支撑。     

非匹配扰动下变体无人机预设性能控制

针对半倾转旋翼变体无人机易受到非匹配扰动和受制于性能约束的问题,提出一种基于复合浸入与不变(I&I)理论的非匹配/匹配扰动观测器和有限时间预设性能控制策略.首先,建立了含有复合扰动的变体无人机数学模型;其次,引入有限时间动态尺度技术和监督因子的概念,提出了一种复合I&I的扰动观测器对非匹配/匹配扰动进行估计和补偿;最后...     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。