冲压发动机导弹爬升段和巡航段轨迹优化

为了研究冲压发动机导弹爬升段和高空巡航段的燃油最优弹道,提高射程,提出了较为通用的一体化优化设计方法。研究了冲压发动机、导弹气动力与弹道之间的耦合特性,建立了导弹动力学模型,将弹道的最优控制问题转化为参数优化问题。为求解该参数优化问题,针对传统粒子群(PSO)算法求解优化问题时存在的早熟收敛的不足,提出了一种算法结构,改善粒子群算法的性能,求其最优解。数值结果表明:改进的算法相对其他几种粒子群算法具备更优秀的性能。所优化弹道相比导弹试验数据,以飞行时间增加3.3%为代价,节约了4.46%燃油。多组高弹道的仿真结果表明,巡航高度应不超过动压边界前提下,高弹道巡航有利于节约燃油,增加导弹射程。     

粒子分离器砂尘分离效率试验参数影响分析

砂尘试验是评估和验证粒子分离器砂尘分离能力的核心方法,砂尘分离效率试验结果除受试验器测试精度影响,还与 砂尘投放方式直接相关。为了摸清某粒子分离器砂尘分离效率的试验影响因素,结合流动机理分析、CFD仿真和试验方法,分别 针对粒子分离器进口粒子分布均匀性、砂尘浓度和喷砂速度3种因素对砂尘分离效率的影响进行了分析。结果表明：粒子分离器 进口砂尘分布均匀性是影响砂尘试验结果的主要因素,在给定浓度分布模型下,进口砂尘非均匀分布比非均匀分布砂尘分离效率 降低接近7%;进口砂尘浓度在2000 mg/m3范围内变化不会对分离效率试验结果产生显著影响;喷砂速度增大,大粒径粒子受壁面 反弹影响,使粒子分离器总分离效率呈下降低趋势。     

一种基于输出误差观测的冗余MEMS-IMU标定技术研究

针对传统六位置标定存在标定步骤复杂、标定时间长等问题，同时随着MEMS器件冗余数目增加和冗余配置结构复杂化，利用分立标定技术实现器件误差参数辨识的难度进一步增大，且不同配置结构所采用的标定方法存在通用性较差的问题。因此提出了一种基于Kalman滤波的冗余MEMS-IMU分立标定方案。该方案首先采用小角度建模法实现安装误差的精确建模；然后针对直接以转台三轴角速率为观测值，导致部分状态量不可观的问题，提出了以器件的输出误差值作为观测量、以器件误差参数作为状态量设计Kalman滤波器；最后设计了高精度三轴转台转位编排方式，并利用四陀螺冗余结构进行标定仿真试验。仿真结果表明：该标定方法与六位置标定方案相比，标定精度平均提高了11.37%，可实现MEMS器件误差参数的快速辨识，对实际工程实践具有一定参考价值。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

离散型可靠性参数数学关系研究

在航空航天系统中,已有许多可靠性参数来描述产品的可靠性特性,但大多数都是基于连续时间上的 连续型可靠性参数,而在离散时间上有定义的离散型可靠性参数的描述较少,例如离散失效率。为弥补可靠性 理论在在这方面的缺陷,从离散时间这一角度出发,研究离散型可靠性参数的数学关系。推导离散失效概率与 离散失效率的数学转换公式,利用离散失效率推导计算离散可靠度的数学公式,推导平均失效前工作次数与离 散失效概率的数学转换公式,并进行验证。结果表明:推导出的三个数学转换公式合理,可以用于描述离散型 可靠性参数。     

基于改进支持向量机回归的非线性飞机结构载荷模型建模

为进行飞机结构载荷安全监控并为飞机结构疲劳寿命评估积累相关数据,需建立与飞行参数相关的 飞机结构载荷模型。针对飞机结构载荷与飞行参数之间的非线性关系,采用改进停机准则的 SMO 算法及粒 子群模型参数优化算法对支持向量机回归方法进行改进,并通过飞行动力学理论分析结合皮尔逊相关系数的 方法对参与建模的飞行参数进行选取。以飞机跨声速俯仰机动为例,建立机翼某一测载剖面结构剪力模型,并 对该建模方法进行仿真验证。结果表明:采用改进支持向量机回归方法所建立模型精度优于原始支持向量机回归方法建立的模型,即采用改进支持向量机回归方法可提高建模精度及泛化能力。     

含激波的湍流流动高精度大涡数值模拟方法

针对采用亚格子模型进行含激波的湍流流动模拟时会面临激波附近的精度损失问题,考虑从通过亚格子模型以及数值模拟方法两方面的改进来实现湍流流动大涡模拟的精度提高.大涡模拟采用了Yee及Sj(o)green (2009)提出的高阶低耗散方法.该方法采用自适应的流场探测器以控制计算中所需区域的数值耗散,并考虑对动力学模型采用在激波位置使用Sagaut和Germano(2005)提出的单边亚格子过滤器和(或)直接禁用亚格子项等方法加以改进.对于标准的马赫数1.5和3条件下的激波-湍流干扰问题,上述新方法相较于全区域采用亚格子模型的方法均表现出了相似的精度提升.同时实现的数值精度改进方案采用了Harten的亚单元分辨过程来定位和锐化激波,并在精确激波位置附近的网格点处采用了单边测试滤波.     

三浮陀螺伺服测试误差系数估计方法

为了更好地解决工程实际中三浮陀螺极轴伺服测试时误差系数估计问题,采用了Kalman滤波和递推最小二乘的方法.试验结果证明,Kalman滤波方法能够有效地估计出极轴伺服测试时的陀螺误差系数.用统计检验的方法分析了该模型以及各系数的显著性,结果显示对Dvz和Dzz的估计是显著的.     

基于双摄像机的立体视觉图像预处理研究

针对立体图像对的亮度差异问题和图像噪声问题研究图像的强化处理,图像预处理主要完成图像对极线校正和图像质量增强.极线校正部分以对极几何为基础研究立体图像对的校正算法.图像质量增强部分主要研究了立体图像对特有的亮度差异问题,并提出了应用直方图均衡化来校正亮度的方法.之后本文对图像噪声进行了深入的分析,并针对立体图像特点使用均值滤波和Gauss滤波平滑图像.在实验中,验证了算法的可行性,取得了良好的应用效果.     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。