特征趋势分区Gauss伪谱法解再入轨迹规划问题

针对强约束下的滑翔再入轨迹规划问题,采用基于特征趋势分区的Gauss伪谱法将连续最优问题转换为多个并行非线性规划问题并对其进行求解。针对传统拟谱方法在处理状态受限时,非平滑最优控制解难以收敛的问题,引入Sobolev空间证明了分区并行的收敛性和一致性。基于Letts准则提出了非连续特征趋势提取方法,通过分析离散点配置导数进行了可变分区的迭代设定,并结合导数变化趋势给出了各分区的动态配点数。利用不同阶次的多项式进行精度逼近,保证了在考虑多项强约束条件下弹道规划的可行解获取。结合状态分区的策略进行离线状态的分解,提高了计算效率。最终针对典型的再入应用进行了轨迹规划应用。仿真结果表明,所提出的方法可有效应对多种约束条件,能够根据飞行器的气动能力规划出可行的轨迹,过程条件满足约束,且可适应气动力20%的拉偏范围。     

扰动环境下火星精确着陆自主轨迹规划方法

针对扰动环境下火星精确着陆动力下降段自主轨迹规划问题,在终端时间自由条件下,研究了基于序列凸优化方法的自主轨迹规划方法。首先,在终端自由情况下,建立初始状态无扰动轨迹预规划问题。其次,结合鲁棒Tube-MPC思想,针对线性反馈控制律,建立扰动环境下着陆轨迹重规划问题,分析重规划问题的可行性,给出了预规划问题可行的必要性条件,为控制参数的选取提供参考,提出扰动环境下火星精确着陆自主轨迹规划框架。然后,针对终端自由问题,将飞行时域映射到单位时间,建立序列凸优化子问题,对子问题进行线性近似,使用序列凸优化方法进行求解并分析了收敛解的最优性。最后,进行数值仿真,验证扰动环境下火星精确着陆自主轨迹规划方法的有效性。     

基于矩阵的装配过程建模方法

装配型生产是一种典型的离散型生产,装配生产过程是装配状态在装配作业的驱动下不断发生转移而持续更新至完成状态的一个过程,本文提出了一种基于矩阵运算的装配过程建模方法,对这种由装配状态转移组织起来的生产过程进行了建模。文中给出了装配作业、装配状态以及作业有序关系等元素对象的矩阵表示方法;以矩阵的运算过程来表述生产流程,包括作业可操作性测试、装配状态转移、作业有序矩阵更新等;产品结构的层次性使得装配过程也会具有一定的层次性,对装配过程进行子装配划分,用分块矩阵表达装配过程与其子装配之间的层次关系,建立分层的装配过程模型。该模型通过装配过程的矩阵表示,最终可获得装配体的可行装配序列,为装配序列选优提供数据基础。     

MEMS陀螺仪随机漂移仿真和试验

为了提高使用精度,研究了某微机电系统(MEMS,Micro Electro Mechanical System)陀螺仪的随机漂移模型.应用时间序列分析方法对经过预处理的陀螺仪量测数据进行建模,提出采用状态扩增法设计Kalman滤波器.进行速率试验和摇摆试验,验证了在静态和恒定角速率条件下,滤波后的误差均值和标准差分别为滤波前的55%和12%.针对在摇摆运动时随着振幅的增加滤波效果下降的问题,设计了自适应Kalman滤波器,分析了衰减因子的选取原则.仿真结果表明:常值衰减因子法和自适应衰减因子法都能显著改善摇摆运动时的滤波效果,而自适应衰减因子法的精度更高.     

故障率预测的稀疏直接支持向量回归机方法

为改善直接支持向量回归机(DSVMR)的稀疏性,提出一种适用于DSVMR的剪样训练算法.该算法利用矩阵变换实现剪样前后DSVMR的递推求解,提高了剪样训练过程中DSVMR多次训练的计算效率.混沌时间序列预测仿真表明,该算法有效改善了DSVMR的稀疏性,且计算效率较基于Cholesky分解的剪样训练算法有显著提高.飞机故障率预测实例表明,经剪样训练后的DSVMR的预测精度高于BP(back-propagation)神经网络预测方法与RBF(radial casis function)神经网络预测方法.     

面向维修性设计的民机产品拆卸序列规划方法

维修拆卸序列规划是产品维修性设计的重要内容。深入研究了面向维修性设计的产品拆卸建模方法,将民机产品分为部件模块与联接件两部分,构建了部件联接图模型,通过关联矩阵描述了部件模块与联接件的相互关系。分两步给出了民机产品拆卸序列规划方法:利用干涉矩阵确定部件模块的可行拆卸方向,以拆卸代价最小为目标,提出了基于有序搜索的民机产品部件模块的拆卸序列规划算法;考虑联接件的拆卸顺序,以拆卸工具更换次数最小为目标,提出了基于基因成对交叉与变异的遗传算法的完整拆卸序列优化方法。最后,结合某飞机前起落架系统给出了应用实例,阐明了本文方法的有效性。     

基于单因素SVM的航空兵空运转场飞行架次需求预测研究

航空兵部队成建制空运转场飞行架次需求预测,对机关、航空兵部队拟定空运计划、进行空运准备等都具有重要的意义。运用序列后向选择方法(SBS)对影响飞行架次的特征因素进行逐层淘汰,利用支持向量机(SVM)理论建立单因素非线性回归模型,进而对飞行架次进行预测。预测结果表明:同多因素SVM预测模型相比,单因素SVM预测模型虽在预测精度上没有显著提高,但其减少了预测的前期工作量,方便了机关和部队的使用,实现了飞行架次预测的实时性要求。     

序列恢复—梯度法在最优控制中的应用

本文在参考文献[1],[2],[3]的理论基础上,对利用序列恢复-梯度法求解实际问题作了探讨,并求解了某飞机作三维上升转弯时的最优轨迹问题。结果发现,利用序列恢复-梯度法所得的结果其精确度是令人满意的,并可以作为数值解的精确解,从而为判断其它数值解的精确程度找到了比较的依据。而文中所求得的数据可供改革某飞机最优上升程序时使用.     

采样时间序列的故障数据检测与滑动容错滤波

在导出采样时间序列数据滑动LS滤波的基础上，本文建立了了组简洁的故障数据检测与修复算法，地故障数据修复与滤波估计相结合，构造了对突发性故障数据有良好容错能力的滑动容错滤波算法。仿计算证实，该方法有效、可靠。