集中空调新风系统常见故障及排除方法

通过对空调新风系统重要性的分析,指出了影响集中空调系统新风量和新风品质的原因,提出了运用预埋法兰连接风管来保证新风量,在通风井底部设检查口清理新风竖井保证新风品质。     

磁暴期间的地磁导航精度分析

地磁导航是无源自主导航技术研究的新方向. 分析了地磁导航的基本原理, 描述了典型磁暴过程, 并针对地磁导航在磁暴环境中的适用性进行了研究. 在采用曲面样条方法对实测地磁场数据建立观测模型的基础上, 结合广义卡尔曼滤波方法讨论了磁暴不同阶段对地磁导航精度造成的影响. 分别采用理论典型磁暴数据以及实测磁暴数据进行仿真, 仿真结果表明, 在磁暴的初相、恢复相的中后时段以及中等强度以下的磁暴全过程仍然可以采用地磁来进行导航定位, 导航精度在200 m以内, 满足飞行器中程制导的精度要求.      

航天器质量特性参数的在轨辨识方法

针对高精度姿态和轨道控制要求准确已知航天器质量特性的问题,提出了基于参数解耦的最小二乘法和基于PSO的非线性优化两种方法,以辨识航天器的质量、惯量和质心位置。第一种方法将惯量与质量和质心位置解耦后分别辨识;第二种方法则将参数辨识问题转换为非线性系统的全局优化问题,同时辨识出所有参数。所提出的方法均不需要假设航天器运动足够慢,克服了以往方法将待辨识参数的耦合关系强行分离的缺点,采用辨识后的参数明显提高了航天器姿态及轨道控制性能。仿真结果验证了方法的有效性。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。     

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法.首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现.为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好.     

水平携带床内玉米秸颗粒速度场的PIV实验研究

为研究生物质颗粒在水平携带床中的流动特性,搭建了水平携带床透明模拟装置.利用PIV无接触测量技术,在氩气流量为1.9 m3/h工况下,对60~160目粒径的玉米秸颗粒流进行了速度场的研究.计算出了颗粒和氩气的平均速度以及流经水平携带床的时间,对颗粒与氩气的跟随性进行了分析.研究结果表明,颗粒流的轴向速度沿轴方向不断增大,管道中心附近的颗粒加速最为明显,而边壁附近的颗粒速度变化相对较慢;颗粒流的速度沿径向大致呈抛物线状分布;颗粒流的平均运动速度比氩气低,颗粒流通过水平床的平均时间略大于氩气.     

用数值模拟的方法研究磁暴主相期间影响环电流分布特征的要素

环电流是距离地心2～7 Re的带电粒子围绕地球西向漂移形成的.环电流的增强将引起全球磁场的降低,反映了地磁暴的强度.磁暴主相期间,对流电场驱动等离子体片中的能量粒子经历E×B漂移与俘获注入环电流,进入损失锥的粒子沉降到大气中.本文采用磁暴主相期间环电流离子分布的模型,结合上述因素研究不同离子能量下对流电场对环电流离子通量的直接影响,以及强弱对流电场下环电流能量离子投掷角的变化,并从物理上阐述造成此种通量分布特性的原因.      

Detailed modeling of aluminum particle combustion——From single particles to cloud combustion in Bunsen flames

A numerical model for aluminum cloud combustion which includes the effects of interphase heat transfer, phase change, heterogeneous surface reactions, homogeneous combustion,oxide cap growth and radiation within the Euler–Lagrange framework is proposed. The model is validated in single particle configurations with varying particle diameters. The combustion process of a single aluminum particle is analyzed in detail and the particle consumption rates as well as the heat release rates due to the v...     

Dynamic neighborhood genetic learning particle swarm optimization for high-power-density electric propulsion motor

To maximize the power density of the electric propulsion motor in aerospace application, this paper proposes a novel Dynamic Neighborhood Genetic Learning Particle Swarm Optimization (DNGL-PSO) for the motor design, which can deal with the insufficient population diversity and non-global optimal solution issues. The DNGL-PSO framework is composed of the dynamic neighborhood module and the particle update module. To improve the population diversity, the dynamic neighborhood strategy is first proposed, which combines the local neighborhood exemplar generation mechanism and the shuffling mechanism. The local neighborhood exemplar generation mechanism enlarges the search range of the algorithm in the solution space, thus obtaining high-quality exemplars. Meanwhile, when the global optimal solution cannot update its fitness value, the shuffling mechanism module is triggered to dynamically change the local neighborhood members. The roulette wheel selection operator is introduced into the shuffling mechanism to ensure that particles with larger fitness value are selected with a higher probability and remain in the local neighborhood. Then, the global learning based particle update approach is proposed, which can achieve a good balance between the expansion of the search range in the early stage and the acceleration of local convergence in the later stage. Finally, the optimization design of the electric propulsion motor is conducted to verify the effectiveness of the proposed DNGL-PSO. The simulation results show that the proposed DNGL-PSO has excellent adaptability, optimization efficiency and global optimization capability, while the optimized electric propulsion motor has a high power density of 5.207 kW/kg with the efficiency of 96.12%.