双驱动技术在超大型测量机系统中的应用

根据超大型测量机的结构与运动特点,将双光栅、双驱动技术应用到超大型测量机系统中,实现了超大型测量机双轴运动同步,给出了提高超大型测量机精度的方法。     

非定常同向激波边界层干扰的实验和数值模拟

运动激波在波前同向气流中传播时与壁面附近边界层发生的相互作用,既不同于定常的激波边界层干扰,也与普通激波管中端壁反射激波与边界层的作用有很大差异。通过实验和数值模拟对这一问题进行研究表明,激波与边界层作用后,波面在壁面附近发生了明显弯曲,且触及壁面;弯曲的激波与壁面进一步作用后发生反射,由于波前气流速度不同,这种反射存在规则反射和马赫反射两种类型;由于激波反射,波后壁面附近形成了一个高压区;激波与边界层作用后,波后边界层内出现了一系列高低压区相间的流场结构。     

基于腱驱动的空间多指灵巧手的位置/腱张力混合控制

现有的腱驱动空间多指灵巧手通过对每一根腱施加独立的张力实现力控制,忽略了腱绳耦合运动的影响.针对“N+1”型腱驱动多指灵巧手系统内腱绳运动和腱张力耦合的问题,采用关节转矩到腱张力映射的方式解决,同时加入位置控制,构成位置/腱张力混合控制系统,实现腱驱动灵巧手的主动柔顺控制.“Matlab+ ADAMS”联合仿真结果验证了算法的可行性.     

旋转不变的数据驱动稀薄流非线性本构计算方法

DNCR方法基于Navier-Stokes方程和UGKS方法的数值模拟结果作为流场样本训练数据,借助机器学习构建热流/应力与流场特征参数的高维复杂非线性回归关系模型,最终通过耦合数据驱动的非线性本构关系求解宏观量守恒方程得到待预测稀薄非平衡流数值解。但现有DNCR方法的特征参数(速度、压力、密度等)和标记值(热流、应力张量等)不具备旋转不变特征,所得训练模型无法适用于坐标系旋转或平移后的计算网格。针对这一缺陷,本文构建全新且具有旋转不变性的特征参数与标记值,并结合典型算例预测结果与特征参数权重反馈优化所有训练集特征参数;同时瞄准回归模型预示范围与泛化性能提升,针对极端随机树开展选参与调参研究,发展了一种基于旋转不变量的改进DNCR方法。针对不同来流条件、不同几何外形条件下的二维高超声速圆柱绕流与顶盖方腔驱动流,评估了改进DNCR方法对比原始方法的计算精度提升效果。计算结果表明：使用旋转不变量能够显著提升训练模型对坐标系旋转、外形变化的适应能力,使DNCR方法具备更好的泛化性能。     

差动驱动式移动机械手的运动规划

提出了差动驱动式移动机械手的运动规划算法。首先推导出差动驱动式移动机械手的运动学模型，其次给出了基于广义雅可比矩阵的差动驱动式移动机械手分解运动速度控制算法，最后用计算机仿真验证了该算法的正确性。     

补燃循环发动机推进剂利用系统研究

采用推进剂利用系统可以提高运载火箭的发射能力。以液氧/煤油富氧预燃室补燃循环发动机为例,提出的混合比调节系统方案为:在推力室燃料主路设置全流量的混合比调节器,由步进电机驱动,可以实现混合比连续调节。与我国现有的液体火箭发动机相比,这种调节方式可以实现全流量调节,调节范围大。同时,混合比调节时对推力、比冲和涡轮泵转速等参数的影响很小,对发动机系统和组件的影响也较小。发动机混合比调节范围可以达到±10%,调节速率为每秒2%以上。     

可展开太阳帆技术概述

太阳帆航行的构想和原理太阳帆以太阳光光压为推进动力,是一种独特的推进方式,它超越了对反应物料的依赖。其工作原理是:利用太阳帆将照射过来的太阳光(光子)反射回去,由于力的作用是相互的,太阳帆在将光子“推”回去的同时,光子也会对太阳帆产生反作用力,从而推动飞船前进。装     

扭簧驱动构架式空间展开天线结构分析

首先仔细分析了扭簧驱动构架式空间展开天线结构的工作机理与构造特点，据此提出分析建模假设。采用静力缩减方法，由平面梁单元弯曲平衡方程推导出两端扭簧的杆件宏单元缩减刚度矩阵。根据梁的弯曲理论和位移形函数，直接导出宏单元的相容一致质量矩阵，这两个矩阵可用于这类结构在各工况下的结构特性分析。最后给出了一个数值分析算例，证明方法的有效性。     

薄膜铌酸锂——集成微波光子技术的基石

微波光子学以其独特的优势,在通信、雷达、电子战等领域取得了蓬勃的发展。但基于分立器件的微波光子系统在体积、重量及稳定性方面所存在的问题,正严重制约着微波光子技术在星载、机载等平台的应用。而以光子集成工艺为基础的集成微波光子技术有望打破这种困境。最近新出现的薄膜铌酸锂材料,以其线性的电光效应、更强的光场限制能力及更高的集成度,有望成为集成微波光子技术的基石。文章回顾了由铌酸锂晶体材料到薄膜铌酸锂材料,以及传统调制器到薄膜铌酸锂调制器的发展历程,重点对比分析了薄膜铌酸锂材料与现有的光子集成工艺平台所用的InP、SiO2、硅、氮化硅等材料,在光子集成特性方面的优势及劣势。     

欠驱动航天器编队重构的切换神经网络控制

针对圆轨道欠驱动航天器编队重构问题,将传统的自适应神经网络控制器和自适应滑模控制器相结合,设计了一种切换神经网络控制器,用以跟踪由伪谱法求解得到的航天器编队重构的最优开环控制轨迹。自适应神经网络控制器在活跃区域内工作,利用径向基神经网络(RBFNNs)近似动力学系统中的不确定项,自适应滑模控制器在活跃区域外工作,利用自适应律来估计近似误差上界,并采用李雅普诺夫方法证明了闭环系统稳定性。数值仿真结果表明切换神经网络控制器可在欠驱动条件下实现编队重构,与线性滑模控制器相比,实现了控制器快速、高精度、强鲁棒等控制性能。