动态推力测量数字补偿器设计

介绍了动态推力测量的意义以及典型动态推力的补偿方法,提出了直接数字补偿器设计的最少拍和非最少拍的数字补偿器的设计方法,分析和仿真表明,非最少拍数字补偿器具有更好的性能.     

北京卫星环境工程研究所近五年的技术进展回顾

1真空热环境(1)载人舱试验技术取得突破,并应用于载人航天试验;(2)并行试验技术取得进展,掌握了活动冷板和并行控制技术,一个容器可同时进行3个太阳电池板或2个整星的真空热试验;(3)真空热试验卫星水平度动态测量与调节技术取得进展;     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

临近空间高超声速飞行器鲁棒自适应控制方法

提出了一种新的将自适应滑模变结构控制与动态逆控制组合的鲁棒自适应的控制方法,用于临近空间高超声速飞行器的再入阶段飞行控制系统设计。用内外环动态逆控制将非线性飞行器对象近似解耦成不确定的3通道一阶线性系统,将所有不确定性转化为匹配的逆误差;由自适应滑模变结构控制给出动态逆的输入信号,消除逆误差的影响,保证对制导指令的鲁棒跟踪。某高超声速飞行器临近空间再入的六自由度仿真结果表明:控制器有较好的鲁棒性和跟踪性能。     

战术导弹固体火箭发动机补偿垫点火冲击动态过程的实验研究

补偿垫是自由装填式固体火箭发动机(SRM)中的一个重要部件。基于X射线实时荧屏分析系统(RTR),对战术导弹固体火箭发动机内补偿垫在点火冲击作用下的动态运动过程进行了实时监测,利用MATLAB软件对截取的连续图像进行了增强、滤波处理,并提取边界,获得补偿垫压缩及反弹过程。结果表明,补偿垫最大压缩量达到42.2%,平均压缩速率为514.9 mm/s,平均反弹速率为44.4 mm/s;压缩量在37.0%~42.2%之间存在一个临界值,大于临界值时,补偿垫弹性模量急剧升高。研究结果可为药柱及包覆层的力学性能设计提供参考。     

基于IMU辅助的高动态GPS信号捕获算法

高动态环境存在较大的多普勒频移,传统的GPS信号捕获方法捕获时间较长。为了快速捕获到信号,提出将惯性测量单元(InertialMeasurementUnit,IMU)辅助与快速傅里叶变换(FFT)相结合的快速捕获算法。该算法通过外部IMU的位置、速度辅助,预先估算高动态载体产生的多普勒频移,缩小频率搜索范围;利用二维FFT方法同时搜索码相位和多普勒频率,降低计算复杂度,加快捕获速度。仿真结果表明该算法可以显著减少捕获时间,提高捕获性能。     

TDE-85环氧树脂固化动力学的DSC和DMA研究

根据DSC和DMA测试曲线,分别用Kissinger、Flynn-Wall-Ozawa、Friedman-Reich-Levi模型计算了TDE-85/THPA环氧树脂体系的固化动力学参数。Kissering法所得活化能较低,其他几种计算方法所得活化能比较一致,相对误差在10%之内。将Gaussian分布应用于分峰法,计算了每个反应的动力学参数,模拟结果与DSC曲线具有很好的一致性。双峰表明,固化过程包含2个化学反应,缩水甘油脂基的反应活性比脂环基高。利用外推法确定了固化工艺为100℃/6 h 130℃/4 h 160℃/2 h。     

卫星CMAC神经网络姿态控制器设计及仿真

为提高传统卫星姿态控制系统精度,提出了一种基于小脑模型(CMAC)神经网络的比例-积分-微分(PID)的复合控制器。给出了具在线学习功能的复合控制器结构,并证明了神经网络学习收敛条件与最终控制目标的一致性。仿真结果表明,设计的控制器具有较好的自适应性和鲁棒性。与传统控制器相比,进入稳定状态的速度更快,指向精度更高。     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足,提出了一种改进的遗传算法。首先,采用栅格法对机器人路径规划进行建模。然后,提出一种生成初始种群的方法和精英策略,设计出自适应变异概率,提高了算法的求解质量。同时,在规划过程中,将全局路径规划与局部路径规划相结合,并且根据机器人与动态障碍物碰撞类型的不同,提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法,能够有效地指导机器人在动态环境中实现避障,获得无碰最优或次优路径。     

复杂工况下的直升机行星传动轮系故障诊断

行星传动轮系是直升机动力传动系统的核心部件,是直升机健康和使用监测系统重要的监测对象。针对复杂工况下直升机行星传动轮系的故障诊断难题,提出了结合域对抗与深度编码网络的自适应域对抗深度迁移故障诊断方法。方法输入归一化频谱数据,基于堆栈收缩自动编码网络建立训练负载与测试负载编码网络,从训练域数据进行有监督学习提取高质量深度故障特征,并结合参数迁移和对抗学习策略,通过测试域数据无监督自适应优化测试域深度故障特征提取网络,以适应负载条件变化引起的样本数据分布差异以及恶劣噪声环境引起的样本数据波动的影响。方法在直升机行星传动轮系实验平台上通过故障注入试验进行了对比验证,证明了方法的有效性与健壮性。