基于阻力分解策略的翼型阻力计算方法研究

研究并应用了基于翼型阻力分解策略的中场积分计算阻力的方法。中场积分方法是近年来提出的一种新的计算阻力的方法,方法将流场分为三个不同的区域：波阻区、型阻区、数值耗散区,通过对不同区域进行积分将阻力分解为波阻、型阻、数值耗散阻力。计算结果表明中场积分方法与传统的表面积分方法和远场积分方法相比,不仅可以将阻力分解成不同部分以便于进一步分析阻力产生机理,而且在计算中对网格量的要求较低,即使在网格量较小的情况下也能得到较精确的结果。     

基于LPV模型的航空发动机控制器Kalman滤波器设计

针对航空发动机LPV模型,设计了1种改进Kalman滤波器设计方法,并应用于某型涡扇发动机控制系统中。涡扇发动机宽工况变化过程的仿真结果表明,该滤波器可实现对系统输出和状态的有效跟踪和滤波,较好地检验了该方法的有效性。     

水下重力辅助惯性导航关键技术研究及实现

重力辅助惯性导航已渐成水下导航领域的研究热点,其实现是一项复杂的工程,涉及多项的关键技术.文章首先介绍了重力辅助导航的基本原理;之后详细阐述了在真实海洋环境下,重力辅助导航所需解决的若干关键技术问题,并给出了相应的研究成果;最后总结了我国水下重力辅助导航的发展趋势及研究的若干建议.     

飞机液压系统中污染物的分析与控制

着重分析了飞机液压系统污染物的来源、生成及其危害,提出了对于控制飞机液压系统污染物的几点粗浅体会,对提高飞机液压系统的可靠性及使用寿命具有参考价值。     

诱导轮对高速离心泵性能的影响分析

基于Navier-Stokes方程组和标准κ-ε湍流模型,对高速离心泵不同工况下进行了全流道数值模拟.为了验证诱导轮对高速泵性能的影响,设计两个不同的模型进行模拟,分析了泵内的压力场和速度场的变化规律,并预测出其性能曲线.分析表明,在相同流量下,诱导轮使高速泵具有更好的流动特性,可以提高泵扬程、效率.采用数值计算方法可...     

基于人工神经网络的柔性机翼挠度预测

为实现对承载后柔性机翼挠度的准确预测,在全面分析柔性机翼挠度的影响因素基础上,应用正交试验法确定的影响柔性机翼挠度的主要因子作为输入变量,挠度作为输出变量,以大量试验数据为训练样本,通过多次试取隐含层和各隐含单元,并选取trainlm作为最优训练函数,最终建立了预测柔性机翼挠度的BP(Back Propagation)人工神经网络模型.在此基础上,随机选取试验结果中的12组试验样本,连续进行10次挠度预测,预测结果和试验实测值最大相对误差和标准方差分别为4.481%,1.033 7.解析结果表明:柔性机翼挠度预测结果与实验值吻合的较好,建立的人工神经网络预测模型具有较高的预测精度.     

一个用于目标跟踪的改进粒子滤波算法

简化UT（unscented transformation）转化参数，修改UKF（unscented Kalmanfilter）提议分布，提出了改进的粒子滤波算法。调节因子的增加使得能在线自适应估计，滤波性能提高，并形成一个自适应的算法。仅有角测量的目标跟踪仿真试验证实了改进的粒子滤波算法要优于其它滤波方式。     

一种多步的基于切换星间测量的多星自主导航算法

针对基于星间测量的多星自主导航问题,从载荷优化和节约成本考虑,提出了一种单套敏感器切换测量的导航方案。建立了该导航方案下的系统状态空间模型,并基于扩展卡尔曼滤波方程给出了导航估计算法。基于多步卡尔曼滤波方法,将集中的滤波算法解耦为多个平行的子滤波器,使计算量降低到原算法的50%以下,并且在切换测量的导航方案下,部分解耦出的子滤波器可以只预测不更新,能够进一步地降低计算负担。给出了多步滤波算法的推导过程,证明了其与标准卡尔曼滤波的数学等价性,故算法的估计性能及计算结果与标准卡尔曼滤波一致,但计算速度有明显提升。最后,通过具体算例给出了算法的仿真验证。     

C/SiC材料在模拟空天往返条件下的可重复使用性能评估

针对飞行器空天往返、多次使用的发展需求,以2D C/SiC材料为对象,选择开放大气模拟环境、800 ℃温度条件开展了常/高温拉伸试验、以及常温→高温→降温循环变化历程下拉-拉疲劳的耦合试验,得到不同的力学性能规律,分析了影响材料表面涂层完整性的控制因素及转化点。表明C/SiC材料具有优良的高温静态持续强度性能,但在常-高温循环变化历程下的疲劳性能明显衰减。采用剩余刚度衰减模型,提出了力-热-氧耦合时考虑常-高温循环历程影响因素、以及氧化尺寸效应影响的疲劳剩余性能评估方法。     

A Fast Global Node Selection Algorithm for Bearings-only Target Localization

In the target tracking, the nodes aggregate their observations of the directions of arrival of the target. The network then uses an extended Kalman filter （EKF） to combine the measurements from multiple snapshots to track the target. In order to rapidly select the best subset of nodes to localize the target with the minimum mean square position error and low power consumption, this paper proposes a simple algorithm, which uses the location information of the target and the network. The lower botmd of localization error is utilized according to the distances between the target and the selected active nodes. Furthermore, the direction likelihoods of the active nodes is predicted by way of the node/target bearing distributing relationships.