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。     

基于损伤权重的混合多钉连接件疲劳寿命预测方法

复合材料与金属材料混合多钉连接形式是当代飞机结构中最常见的连接形式,因此对于混合多钉连接件疲劳性能的研究有助于提高对飞机结构疲劳损伤的认知。针对以Ti-6Al-4V钛合金为螺栓的ZT7H/QY9611碳纤维增强树脂基复合材料连接板与30CrMnSiNi2A金属连接板混合多钉连接结构进行数值分析和试验研究。利用有限元方法,分别对复合材料和紧固件进行疲劳损伤预测,估算复合材料连接板上螺栓孔附近的损伤,依据复合材料和紧固件的损伤量所占权重,提出了以紧固件分布和复合材料连接板铺层层数为参数的经验公式,进而有效提高混合多钉连接结构疲劳寿命的预测精度。利用试验结果将螺栓孔损伤形式进行分类讨论,探索混合多钉连接件的损伤演化方式;利用C扫描技术得到复合材料分层损伤结果,与模拟结果进行对比分析,进一步解释了模型的合理性。与试验结果对比可以看到,考虑损伤权重的寿命预测值与试验值的对数误差仅为1.1%,相对于不考虑损伤权重方法的8.4%的对数误差,该模型寿命预测精度显著提高。     

无人机用燃料电池阴极供气系统建模与控制

燃料电池因其高效、无污染、噪声小等特点,被认为是未来最具有潜力的无人机（UAV）用动力源,燃料电池阴极供气系统的控制技术是决定燃料电池系统性能和可靠性的关键。针对无人机用质子交换膜燃料电池（PEMFC）阴极供气系统,首先,考虑外界温度、压力、空气密度以及雷诺数等随高度变化的参数,建立了跨高度离心空压机模型并分析了其在不同高度下的工作特性,基于无刷直流电机反电势特征构建了高速空压机驱动电机模型。其次,通过计算燃料电池阴极氧气和氮气的动态分压获取了PEMFC电堆输出电压。设计了基于分数阶PI^λD^μ的过氧比和阴极气压控制方法,驱动电机采用有限集模型预测控制（MPC）实现快速的转矩响应,仿真结果表明设计的控制器可在无人机跨高度运行条件下实现过氧比的快速调节,同时维持阴极气压稳定,满足燃料电池阴极供气需求。     

基于正反问题耦合的压气机特性快速预测方法

提出一种基于正反问题耦合的压气机特性快速预测方法,根据压气机一维设计理论,通过对满足流量及压比设计指标的反问题求解快速得出压气机的气动布局方案,在此基础上结合非设计点损失和落后角模型通过正问题求解得出全工况压气机特性,再根据预测特性与目标的偏差调整气动布局方案,以此通过对正反问题的耦合求解实现对压气机特性的合理快速预测...     

GRIB数据及其在航迹预测中的应用

四维航迹预测的准确性是轨迹运行与空管决策支持的基础,而高空风数据支持下的气象建模是提高航迹预测准确性的关键。通过解析GRIB格式的风数据,获取各高度层的风速和风向,同时依据风对地速、航向的影响进行四维航迹预测建模,利用浦东机场的进场航班实现仿真验证,将预测结果与实际雷达轨迹对比,验证了风影响下四维航迹预测的准确性。     

民用涡扇发动机预测控制器设计

对一定包线范围内的稳态预测控制器和加速减速过渡态控制器设计展开研究.针对某大涵道比民用涡扇发动机,根据发动机进口参数的相对变化指标对控制区域进行划分,以标称点处发动机线性模型为对象设计了相应的预测控制器,利用提出的多层参数调度方案实现了不同飞行条件及不同发动机状态下预测控制器参数的自适应调整.仿真结果表明:所设计的发动机预测控制系统在控制区域内的设计点和非设计点均具有良好的性能,为全包线设计提供了有效方法.     

一种利于交班的舰空导弹最优中制导律设计

针对舰空导弹超视距拦截低空飞行目标问题,在复合制导的中制导段,建立了导弹拦截目标的相对运动模型,依据制导平台无线电指令修正信息,考虑舰空导弹拦截低空目标时的飞行速度特性,给出了预测遭遇点的实时解算模型,并确定了利于中末制导交班的中制导终端约束条件。基于拦截预测遭遇点,引入伪控制量的概念,应用线性二次型最优控制理论,设计了一种基于拦截预测遭遇点的利于制导交班的最优中制导律,仿真结果验证了预测遭遇点实时解算模型和最优中制导律的正确性与有效性。     

基于CNN机翼气动系数预测

随着机器学习的快速发展和其突出的非线性映射能力,越来越多的学者将机器学习方法应用到流体力学领域。为克服传统数学拟合不能很好的解决系统非线性问题,以及现有文献中所提及的一些基于神经网络的气动参数预测方法,需要进行参数化处理而带来的不便,同时为实现多变量多输出气动参数快速预测的目的,基于卷积神经网络考虑机翼变迎角和浮沉建立了一种多变量多输出的机翼气动参数预测模型,实现了机翼气动参数的快速预测。结果表明：所建模型具有较高且稳定的预测精度,并且计算效率较计算流体力学(CFD)提高了40倍。