基于粒子群优化算法的月面巡视器全局路径规划

在月面巡视器遥操作系统中,路径规划分为任务级路径规划、全局路径规划和局部路径规划。根据巡视器全局路径规划的应用要求,引入粒子群优化算法应用于全局导航点的规划。针对粒子群算法在路径规划中容易造成不收敛或病态收敛的问题,对算法进行了修改,去掉了速度更新中的速度惯性因子,只保留自身认识因子和社会认识因子,使其在全局路径规划中能够快速收敛;同时引入经典遗传算法中的变异因子以增强算法的全局优化能力。仿真结果表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局导航点。同时在不同的模拟月面地形上进行仿真试验,针对存在的问题提出了对应的二次优化方法,结果表明该方法较好地满足了巡视器全局路径规划的应用需求。     

带有跟踪微分器的导弹增量动态逆控制律设计

针对基本动态逆控制鲁棒性差的特点,设计了一种带有跟踪微分器的导弹增量动态逆过载控制律。首先建立了快慢两个回路的导弹过载控制模型,然后通过状态速率反馈,对快慢回路分别设计了增量式动态逆控制律,并进行了鲁棒性分析。最后通过引入快速跟踪微分器解决增量动态逆控制律中所需状态速率无法量测的问题。仿真结果表明,所设计的带有跟踪微分器的导弹增量动态逆控制律具有强鲁棒性。     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。     

改进的Sage—Husa滤波及在卫星姿态估计中的应用

基于极大后验估计原理,提出了一种改进的噪声估计器,以实现对噪声均值和方差的在线估计,抑制滤波器发散。对自适应扩展卡尔曼滤波算法在卫星姿态确定系统中的应用进行了仿真。结果表明新算法滤波精度优于扩展卡尔曼滤波（EKF）,与Sage—Husa自适应滤波算法相比,可阻止滤波器发散,提高系统滤波精度。     

单壁碳纳米管低能区光吸收性质

采用半经验方法,通过紧束缚理论建立一维近似模型,研究了单壁碳纳米管的态密度,解释了单壁碳纳米管光吸收谱低能阶段出现的3个吸收峰的形成原因。     

声表面波色散延时线激励的高精度时间间隔测量方法

高精度时间间隔测量技术对国民经济与国防建设意义重大,论述了一种新的高精度时间间隔测量方法,可以达到1ps量级甚至更高的测量精度。该方法利用声表面波色散延迟线作为时间内插器,时间内插器起到时间拉伸的作用,从而可以获得多个观测值,由于平均的效果,总的测量误差将被大大降低。理论分析与仿真实验均表明该方法可以达到很高的时间测量精度,是切实可行的。     

旋流作用下突扩燃烧室内冷态流场的 PIV 分析

旋流作用下突扩燃烧室内流场特性的研究对保证燃烧室的正常工作具有重要的意义。利用PIV技术对燃烧室内冷态流场的结构进行了实验诊断与分析,获得了不同实验条件下燃烧室内的速度场、回流区分布和流场内涡的变化规律。研究表明,当入口空气压力变化时,燃烧室内冷态流场可以保持稳定结构,均包含角回流区、中心回流区及剪切层结构。沿燃烧室轴向方向,中心回流区的宽度先增大再减小。随着入口压力的提高,燃烧室内冷态流场的回流区宽度及回流区长度缩短,最大回流速度增大,回流区中心位置向入口移动。同时,在燃烧室冷态流场中会出现由旋流作用引发的涡旋进动现象。     

月球巡视器太阳电池阵电性能仿真模型

建立精准的太阳电池阵电性能仿真模型,可为月球巡视器电源设计方案以及在轨任务规划的验证和优化提供保障。文章依据巡视器设计及月面环境的特殊性,建立了考虑遮挡、月尘等因素的太阳电池阵电性能仿真模型。该模型包括布阵文件编写及导入模块,光强、温度、老化影响计算模块,月尘影响计算模块,以及部分遮挡影响计算模块。对仿真模型进行了仿真分析,并将仿真结果与硬件实测值进行比较,结果表明:两者之间的误差可控制在5%以内,证明了模型的正确性和精准度。     

一种返回器烧蚀温度在轨测量方法

返回器再入过程中的烧蚀温度,是防热结构设计和验证的重要参数之一。针对在轨应用的需求,文章设计了一种使用铠装热电偶进行返回器烧蚀温度在轨测量的方法,通过将铠装热电偶埋入安装并进行冷端补偿和误差校准设计,可以准确测量烧蚀温度的变化过程。通过我国探月三期工程再入返回飞行试验器在轨测试,证明了该方法的有效性。     

多模型自校准扩展Kalman滤波方法

基于扩展Kalman滤波方法（EKF）、自校准扩展Kalman滤波方法（SEKF）和多模型估计理论（MME）,针对工程实际中非线性系统状态方程受未知输入（如突风、故障和未知系统误差等）影响的问题,提出了一种多模型自校准扩展Kalman滤波方法（MSEKF）,将多模型自校准Kalman滤波方法（MSKF）的适用范围扩展到了非线性领域。该方法同时采用EKF与SEKF进行计算,根据贝叶斯定理实时分配两者先验估计值的权重,通过加权融合进而得到最终的状态估计。本文方法不仅解决了非线性系统状态方程受未知输入影响时EKF滤波发散的问题,而且在未知输入为零时的滤波精度与SEKF相比也更高,大量数值仿真结果表明该方法精度提升可达4%,具有更强的适应性和鲁棒性。