基于比例导引角度线性化的无人机避障研究

基于无人机与障碍物之间的几何关系,在极坐标系下建立了无人机与障碍物之间的运动学方程,通过引入基于角度线性化的比例导引律,使无人机能够顺利避开障碍物。引入的基于角度线性化的比例导引律是关于无人机相对速度航向角与避障点视线角的函数,由比例函数及偏差函数组成。为解决初始时刻相对速度航向角不满足引入导引律的问题,在调节函数中加入了指数项。通过稳定性证明,得到了满足要求的导引律参数取值范围。最后对设计的避障算法进行了仿真,仿真结果验证了算法的有效性。     

基于径向基函数改进的Delaunay图映射动网格方法

为了提高大变形下动网格生成的效率和质量,基于径向基函数插值技术对原始Delaunay图映射动网格方法进行了改进。首先通过带多项式的径向基函数插值方法计算出背景网格远场边界点的位移;然后将背景网格位移插值到计算网格;最后利用衰减函数将计算网格远场位移衰减为零。基于矩形旋转网格变形实例比较了改进方法与原始Delaunay图映射动网格方法之间的差别,并研究了径向基基点数目和衰减函数类型对变形网格质量的影响。矩形旋转网格变形实例说明该方法能够精确恢复出Delaunay背景网格的旋转特性。NACA 0012翼型、NLR 7301两段翼和M6机翼网格变形算例进一步证明,通过添加控制点,该方法能够不重构背景网格实现大变形下高质量动网格的生成。     

亚/超声速楔状流层流边界层速度与温度相似解及拟合解

利用相似变换获得了楔状流层流边界层无量纲流函数的3阶非线性常微分方程,用Runge-Kutta法求解微分方程获得了不同楔形角楔状流层流边界层无量纲速度随相似变量的变化曲线;推导了亚声速和超声速楔状流层流边界层无量纲温度关于相似变量的2阶线性齐次和非齐次微分方程,获得了温度分布的通解,恒壁温条件下亚声速楔状流和绝热壁面条件下超声速楔状流层流边界层无量纲温度解析解及指数函数形式的拟合解.以楔形角为0为例利用相似变换研究了超声速条件下气体压缩性及黏度随温度变化等因素对层流边界层速度与温度的影响,得出不可压缩常物性与可压缩变物性条件下无量纲速度相对误差绝对值小于9.8%的结论.研究表明:Pr越大贴近壁面处无量纲温度变化越剧烈;超声速条件下壁温低于绝热壁温时黏性耗散作用可以使层流边界层气体温度从壁面到主流间出现先升高后降低的变化.      

不同载荷条件下翼面结构传力特性设计方法

<正>结构型式的选择是结构设计的首要环节,现代机翼结构选型的方法主要有传力分析方法和有限元方法。国内外关于机翼结构选型都做了很多研究:NASA构造了ELAPS方法在结构设计的初步阶段估算结构的重量,为结构的选型提供依据。张永顺等得到了不同结构型式之间的重量和费用隶属函数。张振伟等人对机翼结构型式和相关影响参数进行了统计分析,得到了不同机翼结构型式相关参数的取值范围。随着计算机技术的突飞猛进,大型高度集成化软件平台在飞机设计中的深入应用,各种编     

改进的粒子群算法求解飞机位姿评估问题

在飞机装配中,要求调姿基准点距离误差和最小以及各点距离误差满足容差条件。以往的飞机位姿评估算法注重距离误差和最小,可能出现调姿基准点的距离误差不满足容差约束的情况。为了求解在满足容差约束条件下的距离误差和最小的飞机位姿参数,提出一种新的优化模型,将带容差约束转化为带惩罚函数,与距离误差和一同作为优化目标,采用求解约束优化问题的粒子群算法进行求解。在上述算法上进一步改进,通过动态改变约束参数来加强约束条件,可以通过迭代方式进一步减小飞机调姿基准点最大距离误差。仿真算例和蒙特卡洛分析证明,求解约束优化的粒子群算法和改进的粒子群算法在求解飞机位姿评估问题时,求解得到的调姿测量点最大误差小于奇异值分解法。     

虚拟环境系统中复杂模型的建立--3D资源在快速开发虚拟环境系统中的应用

对利用3D资源在快速开发虚拟环境系统中的方法进行了研究。在开发虚拟环境系统的过程中，复杂模型的建立是必不可少的，仅仅利用OpenGL函数编程来实现仿真是很困难的，针对该问题提出了利用3D资源进行3D文件读取和转换的两种方案，分析了虚拟环境中复杂模型的建立以及处理的基本方法，并对数控车床的仿真进行了详细介绍。     

粗糙表面偏振二向反射分布函数的影响参数及其反演

针对目标偏振二向反射特性研究中模型参数难以准确确定的问题,分析了粗糙表面偏振二向反射分布函数的影响参数,并通过理论推导和仿真计算,研究了各参数对粗糙表面散射特性的作用机理。总结分析了现有参数反演方法,针对现有方法存在的理论缺陷,在P-G(Preist-Germer)模型的基础上,提出了利用"相对偏振分量-角度"的相关关系进行参数反演的方法,设计了参数反演算法,进行了标准反射板和绿漆表面的偏振二向反射特性测试实验,并根据实验数据进行了参数反演和模型验证。实验结果表明,改进的参数反演方法可准确反演所有模型参数。利用反演参数进行模型验证,结果显示模型预测数据与实验数据具有较好的吻合度,验证了模型的准确性。     

基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。