边界条件对变循环发动机多维度仿真模型的影响研究

为了研究变循环发动机（Variable Cycle Engine,VCE）多维度仿真模型中整机零维仿真模型与核心机驱动风扇级（Core Driven Fan Stage,CDFS）三维仿真模型之间边界参数传递处理方式对计算结果的影响,建立了CDFS和前可变面积涵道引射器（Forward Variable Area Bypass Injector,FVABI）耦合三维仿真模型及CDFS单部件三维仿真模型,对比了CDFS工作特性及出口区域静压分布的差异,并采用迭代耦合方法将CDFS工作特性耦合于循环参数分析,研究了CDFS出口静压分布差异对VCE多维度仿真模型计算结果的影响。结果表明,耦合仿真模型中CDFS稳定工作范围随着内涵出口静压变化而变化,其数值喘振点的换算流量与CDFS单部件仿真模型存在明显的差异。FVABI部件的存在降低了内涵出口及FVABI出口的平均静压边界条件对CDFS出口区域静压分布的影响,而且CDFS内、外涵流量分配会显著影响CDFS出口区域的静压分布。因此,由耦合仿真模型得到的CDFS出口区域静压分布更为真实、合理。超声速巡航工况下,相较于在CDFS出口使用平均静压边界条件,VCE多维度仿真模型在使用真实静压分布之后,CDFS内涵压比和等熵效率基本不变,CDFS外涵压比和等熵效率分别降低了0.86%和2.27%,导致VCE推力升高了0.41%,且迭代次数大幅降低。     

Hermite算法的收敛性分析及其改进

为了提高多点切触加工算法的计算效率,对其中的Hermite算法进行了改进,并且对改进后的Hermite算法的收敛性进行了理论分析,推导了改进后算法的局部收敛条件,同时给出算法的Steffensen加速迭代公式并新提出了一种基于试算的待定系数迭代法.分析和实例表明,改进后的Hermite算法属于线性收敛的算法,而待定系数迭代法则有接近二阶的收敛速度.综合应用上述算法,可以满足一般性自由曲面多点切触加工刀位计算的要求.      

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

基于迭代QR分解的DOA估计技术

提出了一种基于迭代QR分解的信源到达角(DOA)估计技术.DOA估计的子空间方法主要是通过估计信号协方差矩阵的信号子空间或者噪声子空间来求出信号的DOA参数.估计这些子空间通常需要大量的计算,采用ASIC实现时其成本会非常昂贵.本文采用迭代QR分解方法进行子空间分解,可以利用较少量的计算资源完成处理任务.仿真实验结果达到0.23毫弧度,说明该算法比较可靠有效.     

基于迭代学习控制的飞机全电刹车系统的研究

通过对飞机全电刹车系统模型的分析,结合迭代学习控制的特点设计出一种新的全电刹车系统的控制律。通过在matlab/simulink中仿真,取得了理想的效果,表明控制律的设计基本合理、可行。     

基于平方和方法的H∞最优励磁控制

为了改善电力系统在干扰信号下的稳定性,在单机无穷大电力系统的基础上,提出了一种基于平方和方法的H_∞最优励磁控制设计方法。本文电力系统属于非多项式系统,而所提方法利用泰勒公式将非多项式系统等效转化为多项式系统,并保留高阶无穷小项。在给定扰动抑制率,以及利用平方和方法构造Lyapunov函数、控制器参数优化方面的优势前提下,可以将哈密顿-雅克比-伊萨克等式问题松弛为不等式约束表示的最优问题,最终结合策略迭代方法,实现了H_∞最优励磁控制器设计,提高了仿真的真实度。仿真结果表明所设计最优控制器可以有效改善系统性能,增强系统抗干扰能力。     

基于半实物仿真的地磁导航等值线匹配算法评估

影响地磁导航匹配算法性能的因素很多,而现阶段算法的评估完全依靠计算机仿真,其可信性有待进一步验证.以等值线(ICCP)算法为研究对象,首先从理论上分析影响算法性能的因素;然后搭建了地磁匹配导航半实物仿真系统,通过引入磁场仿真环境和磁传感器,提高了仿真的可信度;最后从测量噪声、匹配长度、匹配区域和惯导误差4个方面对ICCP 匹配算法的性能进行半实物仿真试验分析.仿真结果表明,通过半实物仿真试验可以对算法的抗干扰性、算法匹配长度的确定、匹配区域的选择以及惯导误差的影响做出有效评估,从而推动地磁匹配导航及匹配算法的工程化进程.      

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

三站点备件供应保障关系建模与分析

就建模层面而言备件相关的现有研究在考虑横向保障时存在一定的不足。本文选取三站点组成的备件供应保障系统作为研究对象,通过引入站点间的备件供应保障关系实现了将站点间备件纵向保障和横向保障的综合考虑。运用定量化的概率值表征站点间的备件需求关系,基于库存平衡理论建立了应得备件数量、初始库存量、可用库存量和备件短缺数之间的关系表达式。在建立单站点库存平衡方程的基础上,又依据三站点间的供应保障关系联立得到了三站点备件延期交货量方程组。对方程组解的情况进行了分析,在确定其解唯一性的基础上基于压缩映射原理给出了方程组的迭代求解方法。对于简单示例进行了计算,验证了模型的正确性和求解方法的有效性。     

基于最近服务的层次式网格信任模型

阐述了网格环境中信任模型的需求,并分析了传统网格信任模型的优缺点,由此提出了基于最近服务的层次式网格信任模型,设计了相应的计算公式.与传统的信任模型相比较,该模型占用网格资源少、信任评估复杂度低、可伸缩性强,能够较好地抑制网格环境下的恶意评价和协同作弊的威胁.采用改进后的网格仿真工具GridSim进行模拟实验,结果表明该信任模型提高了网格系统的可靠程度.