提高固定几何二元进气道低马赫数性能的仿真研究

分别以常规低、高马赫数来流设计的固定几何二元混压式进气道为例,采用数值模拟手段,探究了一种改进的外压缩波系配置方案。采用来流马赫数由低到高,外压缩激波依次封口的设计方法,提高了固定几何二元进气道的低马赫数性能。相比常规配波设计的进气道,来流马赫数2.15条件下的流量系数提高了0.07;来流马赫数2.15和2.4条件下,总压恢复提高近0.015。初步研究证明这种设计理念是合理的,该设计方案有待于进一步发展和实验验证。     

结构参数对环簇式塞式喷管性能的影响

为研究环簇式塞式喷管设计中人为选择的结构参数对性能的影响,在单元间距与内喷管出口直径比、单元喷管数目、内喷管面积比分别相同的前提下,计算并比较了三种塞式喷管的推力效率.结果表明,高空下内喷管面积比30.2的8单元接触式的效率最高,而低空下内喷管面积比20.7的8单元间隔式的效率最高.因此在总面积比一定的情况下,若塞式喷管在中低空高度下工作,则单元内喷管面积比可取得小些,以保证中低空下的效率;反之,则单元内喷管面积比尽量取得大些.      

钢球式解锁螺栓分离装置的强度计算

基于失效分析方法,文章确定了某钢球式火工分离装置各组成部件的强度最薄弱环节,并针对这些环节进行了受力分析与最大承载力计算,通过计算得到了外筒壁厚与钢球直径的尺寸设计是影响分离装置总体载荷强度的关键。同时,对火工分离装置进行了分离能力与承载力的试验,结果表明文章提出的强度计算能准确估算出分离装置最大承载力,为类似航天器火工装置的尺寸设计以及小型化设计提供了理论参考依据。     

环喉型塞式喷管的数值仿真研究

通过流场数值仿真计算方法对环喉型塞式喷管进行了研究,对比计算了不同外流条件下塞式喷管的流场结构和性能.分析表明该塞式喷管的结构方案独特,具有稳定的高空高速性能,与传统的钟型喷管相比低空性能更优异.     

干涉式合成孔径雷达干扰方法研究

干涉式合成孔径雷达（INSAR）三维成像技术是在合成孔径雷达（SAR）的基础上发展起来的,它可以获得高精度的数字高程模型（DEM）,该模型得到了广泛的应用。针对IN—SAR干扰对比研究了常规噪声压制式干扰与弹射式干扰对INSAR成像处理的影响,并作了计算机仿真。结果表明,采用弹射式干扰不仅可行,而且可以有效地改变原地形的“指纹”特征,达到欺骗INSAR的目的,而常规噪声压制干扰则不适合用于对INSAR实施干扰。     

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

构建有理函数逼近式的一种新方法

为超越函数提出一种构建有理函数逼近式的方法.与Pad′e法不同,这种新方法利用超越函数的值与其逼近式的值相互逼近这个条件,较少地依赖超越函数的泰勒展开式.以两个超越函数为例,叙述了用这种方法构建的逼近式与Pad′e逼近式的不同.用这种方法构建了一系列适合在单片机上运行的超越函数的有理函数逼近式.     

内并联式TBCC进气道模态转换过程流动特性分析

针对组合动力(TBCC)进气道模态转换过程中出现的非定常气动现象,采用稳态/非稳态数值模拟方法对相关流动特性及其影响因素与流动机理开展了研究。结果表明：由涡轮发动机工作状态向冲压发动机工作模态转换过程中,进气道内出现结尾激波沿流向前后振荡现象,振荡频率约为130Hz;当冲压流道反压引起的激波未前传至模态转换分流板前时,冲压发动机工作状态对结尾激波振荡不产生影响。在相同的发动机工作状态下,随着模态转换速度的增加,结尾激波振荡频率逐渐增大。文中研究的进气道内结尾激波振荡现象可通过亚声速管道内波的传播理论进行解释和分析。     

尾座式无人飞行器鲁棒容错编队控制

针对尾座式无人飞行器编队在执行器故障、严重的非线性和耦合性、参数不确定性、外界扰动等影响下的容错控制问题进行了研究。提出了一种鲁棒容错编队控制方法来实现一群尾座式无人飞行器在执行器故障情况下的期望编队飞行。所构建的控制器由2部分组成：标称控制器和干扰补偿控制器。设计标称控制器使系统实现期望的控制性能,利用干扰补偿控制器抑制多种不确定性和执行器故障的影响。通过理论分析证明了系统的鲁棒稳定性,并通过数值仿真验证了算法的有效性。     

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。