推进系统优化控制模式研究

在不同的飞行任务段采用不同的优化控制模式,能够充分发挥发动机的性能潜力,提高飞机性能。利用机载自适应模型,使优化控制模式具有自适应能力。优化过程采用线性规划(LP)方法结合发动机的物理响应过程来解决非线性的发动机性能优化问题。文中阐述了优化控制的设计和控制算法,并进行了数字仿真试验,结果表明:在平飞加速工况下,采用最大推力模式,可提高发动机推力约10%;在亚音速巡航时,采用最小油耗模式,可节省单位油耗约2%,验证了推进系统优化控制模式的性能效益。      

账户型区块链可扩展存储模型

区块链数据持续线性增长,最终导致单个节点无法提供足够的存储资源,产生存储可扩展性问题。轻节点模型虽然极大地降低了对存储资源的需求,但是也导致全节点减少、去中心化程度降低,威胁区块链网络的安全。账户型区块链尚未有成熟的可扩展存储方案提出。考虑到状态数据的使用频率远远高于区块数据,提出一种基于账户型区块链的可扩展存储模型（SSMAB）。SSMAB以完全冗余的方式保存状态数据,保证其交易验证功能;以分片方式存储区块数据,降低冗余度;采用经济激励机制,在保证数据可用性的前提下,减少存储的消耗。实验结果表明:SSMAB模型能够保证数据的可靠性与可用性,将存储数据量降低到全节点模型的13%。      

可压缩湍流边界层近壁区马蹄涡的演化

采用大涡模拟方法对可压缩槽道湍流进行了数值模拟.通过给定扰动波方法确定进口边界条件,很快得到了完全发展的湍流.利用动态亚格子模型、预处理技术以及高阶格式和方法,得到了精确的数值结果.计算得到的速度剖面和脉动分量与直接数值模拟的解进行了对比,验证了计算结果的可靠性.结果清楚地展示了湍流场中马蹄涡的生成和演化过程,包括对称涡腿、单侧涡腿的马蹄涡结构,以及流场中存在由亚谐波引起的拟序结构的交错现象.分析了湍流边界层近壁区可能出现的复杂的马蹄涡结构,及其涡结构形状也不严格对称的现象.     

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

基于地磁场模型修正的自主定轨

地磁场模型存在的误差是磁测定轨精度较低的主要原因之一,为提高自主定轨的精度,本文采用扩展卡尔曼滤波作为处理磁测自主导航问题的滤波算法,以磁强计及星敏感器输出信号为测量信息,对卫星的位置及速度信息进行了估计,并对地磁场模型中几个重要的高斯系数进行了估计与修正。最后给出了数学仿真算例。     

一种超声速状态下机载推进系统模型的建模方法

为了满足机载航空推进系统模型对精度、实时性及数据存储量的苛刻要求,提出了一种机载模型建模方法.对传统的机载稳态模型建立过程中使用的相似准则进行了充分讨论,得出了一种具备更高建模精度的相似准则.在新的相似准则基础上,建立了包含泰勒展开式中非线性2阶项的高精度稳态变量模型,有效解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题;为了解决超声速状态下安装推力与发动机净推力差别较大的问题,建立了考虑外流特性的简化进气道模型,给出了一种计算安装推力的方法,即由简化发动机模型计算安装推力中符合相似准则的部分,由进气道模型计算溢流阻力、放气阻力及发动机推力中不符合相似准则的部分.仿真结果表明:基于新的相似准则所建立的机载模型具有大包线、变状态适应性,输出参数误差均在0.5%以内.      

基于正弦基础激励的航天器结构模型修正方法

正弦振动试验是航天器系统级和单机产品需要开展的常规试验,充分利用工程中积累的正弦试验数据进行结构模型修正具有重要的工程意义。文章首先介绍了基础激励下结构模型修正方法,通过矩阵分块、待修正参数归一化、参与修正的频率点选择等步骤,推导出基于基础激励的模型修正公式;然后对国际通用算例GARTEUR桁架结构的有限元模型进行修正,分析修正后模型在修正频段内和修正频段外计算所得模态频率,验证修正后模型对模态频率的复现和预示能力,通过对比试验模型、分析模型和修正后模型中4个典型节点的响应曲线,检验修正后模型精度。结果表明:修正后模型的模态频率和响应曲线均与试验模型趋于一致,证实了该修正方法对GARTEUR结构修正的有效性。     

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。     

无定向激光陀螺捷联惯组标定方法的对比研究

对三种无定向激光陀螺捷联惯组标定方法进行了对比研究,详细分析了各种方案的标定原理,提出了利用标准差作为评价标定方法优劣的指标.结合对某一激光陀螺捷联惯组标定试验结果的分析,得到了在无北向基准的情况下,三种标定方法在标定时间和标定精度两个指标上的对比结果,为无定向激光捷联惯组的标定提供了指导,具有较大的工程应用价值.