牵制缓释放过程中火箭动力响应特性分析

为研究运载火箭在牵制缓释放过程中的结构动力响应特性,将牵制缓释放发射过程依次分为静态竖立、点火牵制和缓释放三个阶段进行计算。运用MSC.Patran有限元程序的场功能来实现上一阶段的全部计算结果场向下一阶段初始条件场的传递,运用MSC.Nastran有限元程序的非线性弹簧单元的非线性位移载荷函数功能来模拟运载火箭缓释放过程中的缓释力,实现运载火箭牵制缓释放过程结构动力响应的数值计算,并对比分析运载火箭几种常用发射释放方式的结构动力响应特性。结果表明:采用牵制缓释放系统可有效减小运载火箭释放时所受冲击载荷,减小运载火箭全箭结构动力响应。     

运载火箭平台惯导系统杆臂效应对入轨精度的影响

针对运载火箭平台惯导系统杆臂效应对入轨精度的影响进行了研究和分析，并给出了仿真结果。     

美国改进型一次性运载火箭发展概况

介绍美国新一代运载火箭系列的研制计划。该计划的目的是替代重型“大力神”、中型“德尔它”和“宇宙神”运载火箭系列，使成本降低到现有运载火箭的２５％～５０％。改进型一次性使用运载火箭的第一次发射预定在２００１年。     

基于北斗接收机的车载卫星导航系统的设计

基于北斗卫星导航系统、北斗地基增强系统、移动通信网络,设计开发了 一款小体积、高精度车载导航系统。主要在接收基站差分信息以及实现高精度定位方面 进行探索。通过单点定位和差分定位的野外跑车对比试验得出,该系统性能稳定、可靠 性高,其差分定位精度能够满足车辆导航的要求。     

大气层内高超声速机动飞行器液体推进剂管理

为满足大气层内高超声速机动飞行器对液体推进剂管理提出的新要求，在分析常规和高超声速机动飞行特点的基础上，讨论了重力场中推进剂的连续输送和位移控制等特点，并分析了美国高超声速飞行器X-34的液体推进剂管理实例。研究结果认为，推进剂箱隔舱化是一种可行的管理模式，但仅适于一次启动的机动飞行。对多次启动的循环机动飞行中的推进剂管理，仍需继续进行研究。     

大力神—4改进型固体助推器爆炸原因分析及启示

介绍了大力神-4改进型固体助推器的研制情况、结构特点及主要性能,阐述了地面试验失败的原因及改进措施,并联系卡斯托Ⅱ研制中出现的类似失败情况,就发动机内流场气流的相互作用及药柱变形对发动机工作的影响进行了扼要分析,并提出了值得重视的几点启示。     

充气气囊减速方案的气动设计研究

减速是航天飞行器必须面对的问题。充气气囊减速方案利用柔性编织材料外加涂层方式构成气囊，利用气体发生器快速产生高压气体，集防热、减速和着陆减振功能于一体，重量轻、成本低、适用范围广、可靠性高。设计了满足减速需求的气囊外形，利用数值求解NS方程和工程计算方法进行了气动力的预测和比较分析，利用六自由度动力学模型与气动力的耦合计算，对减速效果进行了计算与分析，并对热环境、温度场、应力、热应力及变形进行了计算，还对分离不确定性进行了研究。地面引导性风洞试验和理论分析表明，充气气囊减速方案具有十分明确的减速效果和优点，可用于未来航天飞行器实现减速飞行目的的技术方案。     

再入飞行器和模型转换雷诺数计算

本文采用近似的激波关系、球锥体压力分布、平衡气体状态方程、边界层厚度计算公式及转捩准则等,按照流管法计算了4种再入飞行器的外流转捩雷诺数和转捩距离,并给出了高硅氧、碳石英、碳碳球锥模型的转捩雷诺数范围,对再入飞行器和模型的计算结果作了分析和比较。     

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的三维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm,角度偏差小于0.5°,轨迹平均位移误差小于0.1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。      

A new modeling scheme for powered parafoil unmanned aerial vehicle platforms: Theory and experiments

A novel framework is established for accurate modeling of Powered Parafoil Unmanned Aerial Vehicle (PPUAV). The model is developed in the following three steps: obtaining a linear dynamic model, simplifying the model structure, and estimating the model mismatch due to model variance and external disturbance factors. First, a six degree-of-freedom linear model, or the structured model, is obtained through dynamic establishment and linearization. Second, the data correlation analysis is adopted to determine the criterion for proper model complexity and to simplify the structured model. Next, an active model is established, combining the simplified model with the model mismatch estimator. An adapted Kalman filter is utilized for the real-time estimation of states and model mismatch. We finally derive a linear system model while taking into account of model variance and external disturbance. Actual flight tests verify the effectiveness of our active model in different flight scenarios.