板-桁组合式钢桁梁悬索桥颤振稳定性选型研究

板-桁组合式钢桁梁与传统的板-桁分离式钢桁梁的气动性能存在较大差异。以某大跨度板-桁组合式钢桁梁悬索桥为工程背景,通过节段模型风洞试验,详细研究了该桥的气动性能。针对关乎结构抗风安全的颤振问题,比较了下中央稳定板、上中央稳定板和水平稳定板对主梁颤振性能的影响。在综合考虑结构安全、经济和美观等因素的基础上,提出了最优的主梁气动方案。研究成果可为类似大跨度钢桁梁桥的抗风设计提供借鉴和参考。     

Kalman滤波的铷原子钟控制算法

以GPS接收机输出的1pps信号为参考信号,采用Kalman滤波算法对铷原子钟的参数进行估计,计算铷原子钟的频率调整量,对铷原子钟进行调整,使其和UTC时间保持同步。实验结果表明,受驯铷原子钟输出1pps与UTC（NTSC）钟差的标准差优于3.5 ns,钟差峰峰值优于15 ns,100 s采样的Allan方差为1.83×10 -12 ,10000 s采样的Allan方差为6.1×10 -13 。实验证明了基于Kalman滤波的铷原子钟控制算法,使铷钟获得了较好的准确性和长期稳定性,且对其短期稳定性影响最小,是一种可靠稳定的铷钟控制方法。     

一种适于典型发动机故障的自适应制导方法

为尽可能避免导弹固体发动机故障引发全弹自毁造成飞行失败,针对固体发动机喷管和喉衬故障常出现在关机附近的情况,采用子级弹体自毁方案,提出一种适用此方案的自适应制导方法,对导弹上面级发动机能量进行最优管理,在能量充足时确保导弹仍能成功完成打击任务。仿真结果表明,该自适应制导能量管理有效,方法误差小,证明了方法的正确性。     

复杂薄壁构件自适应加工工艺几何模型重构

随着制造理念和制造水平的不断提高,大量复合制造工艺背景下的近净成形叶片被应用到现役或在研的航空发动机中。该类叶片是典型的复杂薄壁结构零件,无精确定位基准,且成形一致性差。采用传统叶身定位,加工后的前/后缘、榫齿形状和位置精度均难以保证,从而导致产品一致性差,易超差与合格率低。针对以上问题,提出一种面向自适应加工的复杂薄壁结构零件工艺几何模型重构方法。首先,建立复杂曲面的采样点分布模型,快速获取叶片精确成型区域的位置和形状;其次,提出基于特征曲线相似变形的模型重构算法,精确重构前/后缘非精确成型区域的工艺几何模型;最后,通过精锻叶片自适应加工试验进行验证。试验结果表明：该方法可有效满足以精锻叶片为代表的复杂薄壁构件自适应加工要求。     

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。     

脉冲调制在小型姿控推力器中的应用仿真

摘要： 针对采用推力器进行姿态控制过程中的姿态稳定度和燃料消耗优化问题,对脉冲调宽调频（PWPF）和伪速率脉冲（PSR）调制器进行详细介绍,分别对采用PWPF调制器和PSR调制器的姿控推力器姿态控制进行仿真分析,总结采用上述两种调制器的优缺点.以采用双时间常数的方法降低燃料消耗,加入一阶惯性滤波的方法降低系统噪声影响从而提高姿态控制稳定度,设计一种改进的脉冲调制器.通过仿真表明采用改进的脉冲调制器相比于采用PWPF调制器更节省燃料,且姿态稳定精度相当,相比于PSR调制器,改进的脉冲调制器显著提高了姿态稳定精度.     

深空探测器接近段自适应滤波方法研究

天文导航是一种广泛应用于深空探测任务的全自主导航方法.基于状态模型和量测模型的非线性卡尔曼滤波方法在天文导航中被广泛使用.卡尔曼滤波要求状态和量测模型误差是高斯白噪声且先验协方差信息已知,但在深空探测器天文导航系统中,状态模型和量测模型噪声通常不能精确知道且是时变的.因此,自适应卡尔曼滤波器广泛用于解决状态和量测模型误差未知且时变的问题.本文首先结合火星探测器接近段的实际情况分析了火星探测器接近段模型噪声的时变特性,然后对三种常用的在线调节自适应滤波方法在火星探测接近段的滤波表现进行了仿真实验.      

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

交互式多模型粒子滤波优化重采样算法

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性优化方法及模型交互概率将每个模型中拥有小权值的粒子替换成新的粒子。新的粒子既包含本模型中粒子信息,又包含了本模型与其他模型交互后的粒子信息。目标跟踪的仿真结果证明:每个模型新产生的粒子集合可以准确地近似真实状态后验概率密度函数,系统的估计精度与标准IMMPF算法相比有较大提升。