基于四元数反馈线性化的飞行器姿态控制方法研究

空间飞行器姿态控制系统是一个非线性多输入多输出系统,其姿控执行机构的布局及工作特性决定了姿态控制的难易程度。针对飞行器以姿控发动机作为姿控执行机构时的大角度姿态运动需求,本文采用单位四元数作为弹体姿态描述,考虑到姿控发动机布局对姿态控制的影响,直接以姿控发动机推力作为系统的控制输入,利用反馈线性化方法,将原非线性系统转化为一个六阶线性子系统和一个一阶内动态子系统。在对内动态分析的基础上,针对线性子系统设计了四元数PD反馈控制律。在转动惯量不确定性以及轨控大干扰力矩存在的情况下,对闭环控制系统进行了大角度姿态运动数字仿真。仿真结果表明,本文所设计的姿控方法能够有效地实现飞行器大角度姿态控制,并对系统参数摄动及外部干扰具有较强的鲁棒性。     

高速再入飞行器的制导与控制系统设计

 针对高速再入飞行器模型的快时变,强耦合,严重非线性的特点,采用反馈线性化方法,设计了自动驾驶仪;同时采用最优制导律设计与理想速度曲线相结合的方法,设计了能同时保证末端制导精度及速度方向、大小的制导律。最后,进行了六自由度仿真,结果表明 :设计的制导律及控制方案是合理、有效的,易于实现。     

用霍尔特-温特斯模型预测航空运输总周转量

引入了霍尔特-温特斯模型对中国民用航空运输总周转量进行预测,首先介绍了该模型的具体预测步骤,然后采用面向对象的软件技术,设计并开发了预测模型软件。该预测模型软件不但可以根据用户设定的平滑系数进行预测,还可以自动计算出预测效果较优的平滑系数,最终对2006年各个月份的中国民用航空运输总周转量进行了较为精确的预测。     

基于马尔科夫链模型的脉动装配线运行状态预测

分析了影响脉动生产线运行的因素和状态预测的必要性,提出了基于马尔科夫链模型的状态预测方法。基于马尔科夫链预测理论,对脉动生产线运行状态划分,确定状态转移矩阵,建立马尔科夫预测模型,并对模型准确性进行验证。     

基于可靠性数据的航材备件需求预测方法

航材备件的需求预测已成为装备综合保障领域研究的难点.主要对各部件寿命分布类型进行归纳与总结,建立多数零件服从寿命分布类型的需求预测模型,并对军机执行任务这一特殊情况建立了战损备件预测模型.以可靠性数据为研究基础,对正态分布、指数分布、威布尔分布等备件进行分类分析,根据实际情况逐步精确备件保障概率的取值.计算结果表明,方法能给出合理的备件保障概率和备件需求预测结果.     

长航时高精度惯导系统姿态阵的四种解算方法

高精度惯性导航系统是保证水下或水面运载体长时间安全航行及搭载的仪器设备正常工作的关键技术之一,姿态阵解算是其核心问题。通过分解姿态阵以及分别采用Euler角和四元数描述姿态参数,建立解算姿态阵的四种方法;分别对这四种方法中的姿态模型进行扰动,并研究相应线性化误差模型的精度及其影响因素;利用数值仿真法对四种姿态解算方法的结果及对应的线性化误差模型的精度进行了比较分析,结果表明:姿态阵解算分解法显著差别于整体法,采用Euler角或四元数描述姿态参数对姿态阵解算精度的影响不显著,分解法对应的线性化误差模型的精度优于整体法。     

基于T-Scan的三维激光扫描系统测量误差分析

三维激光自动扫描系统可以快速获取零件表面信息,提高扫描系统的测量精度可以进一步提高系统性能。针对扫描精度问题,对扫描系统的测量误差进行了分析和评估,在试验中使用的扫描系统由机器人和商业三维激光扫描仪T-Scan组成,这种商业三维激光扫描仪的基本原理是激光三角法,测量误差受到扫描位姿的影响。将T-Scan的扫描位姿分解为扫描深度、俯仰角和偏转角,通过控制变量试验研究了扫描位姿对随机误差和系统误差的影响。试验结果显示,扫描结果的随机误差远小于系统误差,系统误差与扫描深度和俯仰角呈双线性关系。根据试验结果建立了系统误差的预测模型,通过模型预测的系统误差与实际试验结果的偏差最大为26μm,该预测模型是优化扫描轨迹从而提高测量精度的前提条件。     

基于Hankel阵的荧光油膜灰度与厚度预测模型改进

针对荧光油膜灰度与厚度关系数据采集方法较为繁琐、耗时耗力这一问题,研究了基于Hankel阵的系统辨识算法,并在此基础提出了Hankel阵误差修正模型和Hankel阵高阶迭代误差修正模型等两种改进方法,利用了极少数据量建立模型,实现了对其余未知荧光油膜厚度值的预测,且保持了较高的精度。试验结果表明:基于极少数据量建模以预测该数据量外的数据点这一特殊背景下,插值法的外插能力显得并不适用。而传统Hankel阵预测模型的预测精度为76.69%,Hankel阵误差修正模型和Hankel阵高阶迭代误差修正模型的预测精度分别为85.69%和89.25%,较之传统方法预测精度分别提高了9%和12.56%,为荧光油流技术领域针对荧光油膜灰度与厚度建模问题提供了一种可行技术路线,具有一定的实际工程应用意义。      

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。