月球引力转弯软着陆的制导控制研究

对于月球引力转弯软着陆过程 ,采用反馈线性化方法 ,对高度和速度信息分别设计了跟踪制导控制律 ,并应用微分几何的有关理论证明了这两种跟踪制导控制系统的李雅普诺夫稳定性。此外 ,根据软着陆系统推力、燃料和状态的约束条件 ,给出了引力转弯着陆过程初始条件的可达集合。最后给出的软着陆跟踪制导实例 ,只需要测得斜向距离、速度和姿态角度信息。这种制导方法测量简单 ,适于低成本的软着陆任务。     

结合小波变换的Jacquin分形图像编码

提出了一种将分形与小波变换紧密结合起来的图像压缩方法;改进了目前虽简单易行,但编码时间过长的分形图像编码,而且Domain块的采样方式也存在缺陷。针对这些问题,利用小波分解的特性构造了一种基于小波分解的分形图像编码算法;对输入图像进行小波变换,将变换后的低频部分作为Jacquin分形编码方法的搜索区域。实验表明重构图像的质量得到了较大的提高。     

ATM中的ADS-SSR数据融合研究

二次监视雷达(SSR)和自动相关监视(ADS)系统已经广泛应用于空中交通管理(ATM)系统,特别是终端飞行区.本文分析了民航空中交通管理中的SSR和ADS系统的特点和缺陷,研究了基本类型ADS合同和扩展类型ADS合同对ADS跟踪精度的不同影响,提出了一个ADS-SSR航迹融合的模型,给出此模型的具体算法,并进行了数字仿真.数字仿真表明:该模型算法具有较高的跟踪精度.      

飞机外形参数的气动与隐身综合优化设计

以气动力及雷达散射截面参数为目标函数,主要优化对总体外形和飞机性能影响较大的机翼、尾翼的平面形状几何参数以及少数几个机身几何参数;根据第4代战斗机的设计要求,确定各个目标的理想值、最低可接受值,以及各个约束的满足区间,应用模糊优化理论,建立各个目标的满意度函数及各个约束条件的满足度函数,并使用多目标总满意度函数和常权、变权的不同组合,建立了5种外形参数模糊优化模型,使设计人员可以根据不同的设计思想和设计目的选择优化模型与翼面形状的组合.     

一类线性不确定大系统的分散变结构控制

研究了具有参数摄动、关联影响和外界干扰等不确定性因素影响的线性大系统的分散控制问题,在假设系统不确定性有界且满足一定匹配条件的前提下,提出了一种分散变结构滑模控制算法,并给出了消颤方案和控制受限的解决方法.该算法结构简单计算量小,同时闭环系统具有较好的动态特性和较强的鲁棒性,数字仿真表明了该算法的有效性.      

飞机设备吊舱环境控制系统的优化设计

介绍了国外机载设备吊舱环境控制系统技术发展的状况,提出了一种新的回冷逆升压式冲压空气循环制冷的吊舱环控系统方案.建立了4种典型吊舱环控系统优化设计的数学模型,并对其优化方法进行了探讨.对系统优化结果的分析表明,优化设计的回冷逆升压式空气循环制冷系统具有最小的载机燃油代偿损失,其性能和效率的综合设计指标达到世界先进水平.     

沃尔什函数理论中并元移位概念的物理解释

并元移位的概念在沃尔什函数的理论中有着重要的作用,但是,至今为止,未见有人对它的物理意义做出合理的解释.从复制理论的角度出发,在简要介绍复制理论的基础上,通过研究复制序列的位置相关性,揭示了并元移位实际上是一种特殊的距离定义,从而较为深刻地解释了并元移位概念的物理意义.     

飞机吊舱热系统计算机仿真研究

建立了电子吊舱热系统仿真模型,并利用仿真软件对其进行动态仿真研究,得到了吊舱冷负荷及主要温度参数沿一定飞行包线的变化情况, 辅助完成了制冷系统的选型及校核检验工作,并为吊舱的结构参数优化提出了合理性建议.研究结果表明动态仿真研究为吊舱制冷系统的选型及设计提供了先进的计算分析工具.     

基于控制分配的恒压腔压力精准控制

针对采用双阀调节的恒压腔系统压力在空气流量大范围变化时的精确控制问题,提出了一种基于控制分配的恒压腔压力精准控制方法。首先,建立了虚拟放气流量的双阀控制分配算法,包括：建立满足虚拟放气流量要求且调节阀能耗最小的优化问题;通过线性矩阵不等式(Linear Matrix Inequality, LMI)求解该优化问题得到双阀实际流通面积值;考虑调节阀动态并计算调节阀控制信号指令值。其次,建立以虚拟放气流量为恒压腔控制输入的闭环负反馈回路,基于此,设计满足伺服性能和抗干扰性能要求的PI控制器,引入上述双阀控制分配算法,进而构建完整的基于控制分配的恒压腔压力控制系统。仿真结果表明,采用该方法的控制系统性能明显优于传统单阀PI控制系统性能,恒压腔压力动态相对误差小于0.07%;干扰流量最大变化率为77kg/s2时,压力最大偏差低于500Pa;此外,调节阀动态时间常数和流量系数的拉偏仿真结果进一步验证了该控制器的鲁棒性。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。