Gurney襟翼改善翼型动态失速特性研究

采用CFD数值方法,研究了NACA0012翼型、加装传统Gurney襟翼及改进不对称Gurney襟翼后翼型的动态失速特性。给出了传统襟翼对翼型动态失速特性的影响,并带来较大动态低头力矩的不足,基于传统襟翼的不足,提出了改进的不对称Gurney襟翼方案。研究表明,不对称Gurney襟翼可较好改善翼型的动态失速特性,在增加动态升力的同时,俯仰低头力矩明显减小,可能是直升机旋翼的较理想翼型。     

用于卫星模拟飞行测试的太阳电池阵动态模拟系统设计

现阶段卫星模拟飞行测试中,太阳电池阵模拟器(SAS)伏安特性曲线数目有限,无法连续动态模拟卫星在轨运行中太阳电池阵实际电能输出情况。为此,基于模拟飞行测试环境,设计太阳电池阵动态模拟系统。该动态模拟系统由电源、控制和测控等测试系统组成。为保证动态模拟系统的高时效性和精确性,对参数实时获取传递、曲线建模计算和功率输出等各环节开展分析。利用某卫星太阳电池阵对动态模拟系统设计进行验证,结果表明系统能精确模拟太阳电池阵伏安曲线和功率输出变化。将仿真结果与实际在轨卫星数据进行比较,结果显示系统可很好地模拟时变太阳电池阵输出特性,证明了动态模拟系统设计对太阳电池阵动态输出模拟的有效性。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。     

空间核反应堆电源研究进展

随着航空航天领域对能源需求的不断扩大,核能的空间应用迎来了新的发展高潮。本文针对空间核反应堆技术的发展现状进行综述,重点关注了空间核反应堆与静态能量转换、动态能量转换技术结合供电的研究进展,总结分析了空间核反应堆电源技术的发展特点,并指出未来发展中需要重点关注的内容,为未来空间核反应堆电源的发展提供指导。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

基于DDQN的运载火箭姿态控制器参数设计

探索了利用深度强化学习算法训练智能体,以代替人类工程师进行火箭姿态控制器参数的离线设计方案。建立了多特征秒的火箭频域分析模型,选定了设计参数。选择深度强化学习算法中的双深度Q学习(Double Deep Q Network,DDQN)算法,通过记忆回放和时间差分迭代的方式让智能体在与环境交互过程中不断学习。设计了对应的马尔科夫决策过程模型,进行了智能体的训练和前向测试。结果说明该方法对于运载火箭姿控设计具有一定参考价值。     

迭代法求解航天器热网络方程的收敛条件与时间步长优化

热分析计算是航天器热设计验证和在轨温度预示的重要手段,其实质是对描述航天器在轨状态的能量平衡方程即热网络方程的求解。作为典型的非线性问题,航天器热网络方程通常采用迭代法求解,且目前尚无完善的理论可以判断迭代过程的收敛性和收敛条件。文章根据航天器热控设计的工程实际,提出一种可行的近似方法,实现了热网络方程的线性化;在此基础上对迭代法求解过程中的收敛性进行分析,确定了收敛条件下对节点热参数和时间步长的约束关系;并进一步分析时间步长与计算效率的关系,提出了以计算效率为优化目标的最优时间步长确定方法。最后通过某典型航天器热物理模型的计算验证了上述方法的正确性。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题.算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信...     

基于相位单差精密测速的动态精密单点定位算法

利用相邻历元间的载波相位单差可求得动态载体的高精度三维速度向量,基于此提出了可精确描述载体运动变化的扩展卡尔曼滤波动态精密单点定位算法。该算法克服了高动态条件下采用简化动力学模型可能引起的系统状态描述失实问题,同时还可输出动态载体的精密速度信息。飞机动态试验结果表明,用该算法的动态单点定位结果与TRACK双差解计算互差得到的三维RMS值,平面分量精度优于3cm,高程分量精度优于6cm,速度测量精度可达mm/s级。