天线组阵技术研究及其在我国深空测控通信系统中的应用

研究深空通信系统中天线组阵技术实现方案,并通过数值仿真对几种基本的天线组阵方案和算法的性能进行比较分析。仿真结果表明,采用SUMPLE算法的全频谱合成技术能够获得很好的合成效率,是适合我国深空探测工程测控通信系统设计的有效方案,有望在我国后续的深空探测工程中得到应用。     

一种无陀螺捷联惯导系统角速度解算组合算法

无陀螺捷联惯导系统仅利用加速度计就可完成惯性测量与导航,然而采用积分法解算载体的角速度时误差积累严重,发散迅速。文章采用一种常用的九加速度计配置方案,设计一种积分法补偿算法,并针对其初始时段误差过大的问题提出了一种组合算法。仿真验证能有效地抑制解算误差的发散,提高了解算精度。     

VS-CMA盲均衡算法在短波数据通信中的应用研究

在美军标MIL-STD-188-110B基础上,改进短波（HF）数据通信发送端数据流结构,以便接收端对信号进行盲均衡处理。基于8PSK调制信号的峰度为恒定值的统计特性,提出采用均衡输出信号的峰度与理想信号的峰度差异,以调整恒模算法（CMA）的步长因子;并针对国际电联推荐的短波信道参数,进行了算法的性能仿真。仿真分析表明该算法对慢衰落的短波信道具有较好的均衡效果,对快衰落信道的均衡能力有限;应对快速衰落信道,算法还有待进一步改进。     

快速实现二次曲面片三角网格剖分的新方法

三维表面的三角网格剖分,对图形学和数值分析来说,都是极其重要的一项预处理技术.利用二维动态、带约束的Delaunay三角网格剖分算法,可以有效地实现二维空间中带边界约束的点集的三角网格剖分.提出了对二次曲面进行快速三角网格剖分的一种新方法.     

一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

无人机航迹规划技术研究及发展趋势

通过对无人机航迹规划的研究,构建了无人机航迹规划的结构框架;分析了无人机系统约束及威胁场约束,探讨了无人机航迹几何建模方法及规划算法的国内外研究概况;并着重分析了规划算法。最后,阐述了无人机航迹规划面临的关键问题及发展趋势。     

多段翼型大迎角分离流动的DELAYED RANS/LES混合算法

多段翼型的大迎角绕流发生大范围附面层分离,具有明显的三维与非定常流动特性。RANS/LES混合算法继承了LES对流动分离区大尺度漩涡准确模拟的优点,避免了纯LES算法需求网格量巨大与亚格子模型壁面函数不成熟等问题,对分离流动的模拟效果优于RANS算法。以S-A湍流模型与Smagorinsky亚格子模型为基础,借鉴DDES的附面层延迟控制思想,构造了可用于对接网格、重叠网格的DELAYED RANS/LES混合算法。研究了GA（W）-1多段翼型的大迎角分离流动及其气动特性。     

航空电缆故障在线检测与定位技术研究

在综述了电缆故障类型和现有电缆故障检测与定位方法的基础上,引入了两种电缆故障在线检测与定位新方法——序列时域反射法(STDR)和扩散频谱时域反射法(SSTDR),分析研究了两种方法的原理,选取了一种适用于两种方法的相关算法——改进的实序列频域相关算法,并在MATLAB中建立了仿真模型,对两种方法进行了仿真验证,并进行了比较,对实际的应用具有理论指导意义。     

非均匀有理B样条曲线及节点插入算法在透平叶片优化设计中的应用

将非均匀有理B样条(NURBS)曲线及节点插入算法应用到透平叶栅的二维参数化造型,可以兼顾造型参数的实际物理意义和型线调节的灵活性;将控制点可调的NURBS曲线应用到三维叶片积叠线造型,能够构造任意形状的弯、扭、掠叶片.在此基础上搭建的透平叶片三维气动优化平台,将参数化造型、网格自动划分、流体计算并行求解集成在一起,应用实验设计和响应面分析方法进行多目标寻优.对某单级实验透平分别进行单排叶片和整级优化后,单排叶片总压损失降低了0.57%;单级绝热效率提高了0.8%.      

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.