航站楼内服务设施与旅客满意度最佳组合分析

航站楼内服务设施和旅客满意度的最佳组合受着很多条件的约束,包括服务时间、单位占用面积、资金费用等问题,结合动态规划的思想,运用多目标规划的知识对航站楼内服务设施和旅客满意度的最佳结合进行分析.     

无人机下滑着陆DGPS/INS导航及引导系统的仿真与试验研究

介绍了一种采用输出校正方式DGPS/INS组合导航系统引导无人机下滑着陆的方案。给出了该方案的数学模型,对组合导航系统进行了数字仿真,并在数字仿真的基础上进行了动态跑车试验,验证了所设计的输出校正方式DGPS/INS组合导航系统能够满足引导无人机自动下滑着陆的精度要求。     

组合抽吸对大转角扩压叶栅性能的影响

实验研究了低速条件下在端壁和吸力面同时进行附面层吸除对某大转角扩压叶栅性能的影响.在叶片表面及端壁进行了墨迹流动显示,并对叶栅出口截面进行了测量.基于实验的抽吸槽布置方式:端壁吸气主要影响区域是吸力面角区;吸力面抽吸可以减小角区范围,延迟叶片吸力面附面层转捩,改善中径处流场;组合抽吸则优化了叶栅整体流场,使流动更加均一高效,由于削弱了端壁和吸力面附面层间的相互作用,组合抽吸在大吸气量下优于前两种吸气方式.      

基于涡流发生器和Gurney襟翼的翼型绕流流动控制试验研究

为了研究翼型扰流流动控制,设计了一种三角形涡流发生器(VG)和两种Gurney襟翼,通过Gurney襟翼与VG 组合布局的方式进行风洞试验,对比了干净翼、干净翼加Gurney襟翼、干净翼加VG及干净翼加Gurney襟翼和VG这4种状态下的试验结果.试验结果表明:安装Gurney襟翼对翼型线性段升力在同一迎角下有明显提高...     

冷却剂/氧化剂组合式SteamJet发动机特性

为了系统深入地研究冷却剂/氧化剂组合式射流预冷却涡轮发动机(SteamJet)的发动机特性,建立了射流预冷却的热交换系统计算、物性修正计算、发动机部件特性修正计算和含氧化剂的燃烧室计算的数学模型,在此基础上,建立了基于双轴混排加力式涡扇发动机的SteamJet发动机性能计算模型,并编制了相应的计算程序。初步设计了SteamJet发动机的最大加力状态控制规律,计算分析了SteamJet发动机在不同冷却剂/氧化剂配比下沿飞行轨道的特性,并据此提出了影响冷却剂/氧化剂配比选择的主要因素;对冷却剂/氧化剂组合式SteamJet发动机进行了高度速度特性的计算和分析。结果表明,与喷水预冷却的SteamJet发动机相比,冷却剂/氧化剂组合式SteamJet发动机具有更好的燃烧稳定性和推力特性,能够满足高超声速飞行的需求。     

过重力补偿GPS/INS末制导炮弹弹道仿真研究

针对采用GPS/INS的复合制导炮弹,采用比例导引作为末制导的导引规律,从制导炮弹弹体运动学和动力学方程出发,进行了低成本组合导航系统的设计,建立了惯导系统的误差模型。针对位置、速度的组合方式,采用卡尔曼滤波算法,完成了组合导航系统的信息融合。根据超远程炮弹的弹道特点,进行了末制导段过重力补偿设计。全弹道仿真计算结果表明,该制导控制系统性能良好,可以精确地将制导炮弹导引到目标捕获区,实现以小脱靶量、大落角对目标的攻击。     

基于分段高斯伪谱法的组合动力飞行器火箭挂飞轨迹规划

为解决受涡喷发动机技术水平限制,导致试验飞行器无法直接达到试验所需高度和马赫数的问题,采用可回收式助推火箭挂飞后分离的方法,基于分段式高斯伪谱法搭建弹道优化模型,结合引射火箭与飞行器特性设计试验窗口,设计了弹道优化模型的约束条件;以末端高度最高、速度最大及轨迹平滑作为单项性能指标,以其加权和作为总性能指标,通过改变单项...     

一种辅助GNSS/INS组合导航系统的高度计设计

因为地球对于导航卫星电磁波信号来说是不透明的,因此高程精度因子VDOP值通常总大于水平位置精度因子HDOP,导致了GNSS接收机在竖直方向上的定位结果没有水平方向理想,也直接影响到和惯性导航系统INS组合后即GNSS/INS组合导航系统的测量精度。文章提出了一种使用气压高度计辅助GNSS/INS组合导航系统并提高其测量精度的方法,从大气压强传感器出发,介绍了高度计测量系统的组成和工作原理,并阐述了各部分的电路设计及其工作流程。为了验证设计效果,对该系统进行了测试,结果表明该方法可以有效地提高组合导航系统测量精度,可用于普通导航领域。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。