火箭初始段飞行图像识别和跟踪系统设计与实现

介绍火箭初始段飞行图像识别和跟踪系统的系统组成、工作原理、模块功能及系统特点,并对模糊PID控制器和火箭跟踪过程进行仿真实验和结果分析。仿真结果表明,该系统具有对不同背景下的火箭进行自动识别和当火箭被云雾短暂遮挡时进行预测跟踪等性能。文中还总结了系统在研制过程中解决的跟踪算法、模糊PID控制、摄像机模型、步进电机模型等关键技术。     

基于SHMSRM系统传感器分布优化的损伤识别技术

针对固体火箭发动机结构健康监测(SHMSRM)系统的传感器合理布置问题,提出了基于遗传算法的传感器分布优化。利用ANSYS软件对药柱有限元模型进行了应变分析和模态分析,得到了传感器优化布局初选点,再基于遗传算法对初选点进行优化排序。阐述了该系统的损伤识别原理,基于应变传感器所收集的信息,确定了以应变模态变化率作为损伤识别指标,提出了应用应变模态分析解决药柱的损伤识别问题。算例证明了此方法的可行性和有效性。     

几何定位应用中恒星三角形识别简化算法

为了满足几何定位应用对恒星识别的需求,从导航星的选取、导航特征库的构造及识别算法的实现等方面对传统三角形识别算法进行改进。首先,结合几何定位传感器跟踪恒星的特性,提出导航星的快速选取方法。接着建立以星对角距和星对星等差为特征量的导航星特征库。然后,在改进的三角形识别算法的基础上,对观测三角形特征向量进一步简化。最后,在几何定位的应用场景中对传统三角形识别算法、三角形识别简化算法进行仿真比较。实验结果表明：在几何定位的应用场景中,三角形识别简化算法识别成功率、识别效率较高。能够满足几何定位应用对恒星识别算法效率、可靠性的要求。     

一种飞行数据相容性检验的快速算法

为了提高气动参数辨识的精度,根据飞机运动方程,给出了测量中的系统偏差、尺度因子误差和随机噪声描述,并提出了一种飞行数据相容性检验的快速算法。该算法简化了估计模型,分离了各个估计量之间的关联,从而提高了算法的鲁棒性和结果的准确性。对飞机纵向、横侧向运动的仿真和实际计算表明,该方法可以有效地估计测量中的系统偏差和尺度因子误差。     

基于本体的陆空通信风险识别与分析方法

陆空通信是实施空中交 通管制的重要手段,也是民航空管运行中造成不安全事件的重要因素之一。提出针对陆空通信 危险识别与分析的系统参量和引导词,应用BPMN和HAZOP模型识别与分析陆空通信危险偏差 。建立陆空通信风险识别与分析本体模型。构建概念之间的TBox描述逻辑关系和推理,案例 推理证明了方法的有效性。该方法能够实现规范化、术语化风险描述和归类,避免通过自然 语言进行风险识别与分析的缺点,为更有效地进行风险项分析提供科学分类和统计依据。     

并行计算中一种非结构网格分割方法

将递归谱对剖分方法应用于流体力学并行计算中的非结构网格分割,以解决负载平衡和最小切割问题。为使用这种方法,计算了网格伴随图的离散Laplacian矩阵的第二特征矢,然后从该特征矢的分量引入网格的对剖分。特征矢计算中应用了Rayleigh商迭代,并进行了一些修正以使收敛强烈地偏向于第二特征矢及考虑逆迭代步中线性方程组的迭代求解。最后,通过非结构自适应网格上Euler方程分区计算的数值结果验证了所发展的网格分割方法。     

压电式快速反射镜系统建模与传递函数辨识

为在高精度跟瞄系统中对压电式快速反射镜(PFSM)实现稳定、精确的控制,构建了PFSM系统的传递函数模型,并结合实测的PFSM系统幅频和相频响应特性,使用非线性最小二乘曲线拟合法,针对不同频率特性进行分段拟合,得到了精确的PFSM系统传递函数。与实测结果相比,在中低频段,幅度辨识误差在0.1 dB以内,相位辨识误差小于1°。由此设计的双二阶滤波器和经典比例积分(PI)相结合的控制算法有效降低了机械谐振的影响,使系统的幅值裕度提高了10.94 dB,相位裕度提高了47.2°,开环截止频率提高了181 Hz。结果表明:通过理论推导建立的PFSM模型是合理的,辨识方法具有可行性,且精度很高,为PFSM系统的复杂控制器设计提供了依据。     

运载火箭智慧控制系统技术研究

总结了国内外先进运载火箭控制系统的特点,结合我国新一代运载火箭的现状,提出目前我国运载火箭控制系统发展亟待解决的问题。在此基础上,提出了适应现阶段智能高可靠需求的自主轨道规划技术、在线故障辨识技术、姿控喷管隔离重构技术和全程四元数控制技术,所提技术可有效提高控制系统可靠性,使全箭在面对非灾难性故障时具有较强的自主性和适应性。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

基于模态波理论的压气机失速先兆识别方法

针对压气机气动失速预警存在无法兼顾对渐进型和突尖型失速先兆有效识别的不足,以及提取失速团幅值需要多路传感器信号的局限。分析了压气机失速发展过程中的信号特征;根据压气机失速信号的旋转特性,提出基于单路传感器信号重构周向多路失速先兆信号的方法,讨论了信号重构步长的取值;基于模态波理论,通过对重构信号进行空间傅里叶变换,得到失速扰动信号各阶模态幅值,根据低阶模态的幅值变化实现对渐进型与突尖型失速先兆的识别。以某压气机为例进行仿真,结果表明:当信号重构的步长小于突尖波时间尺度的一半时,重构的多路信号能够复现压气机周向位置失速发展过程,且步长越小,越有利于失速先兆的识别;由模态分解得到的1阶模态幅值的变化能够有效反映失速发展过程;通过合理设置模态幅值的阀值,可以在失速发展前期对失速先兆进行准确识别,从而,基于单路传感器失速信号即可实现对渐进型失速和突尖型失速均能进行预警。