基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

基于死区补偿的氧调器平稳切换自抗扰控制

歼击机中供氧系统内的氧气气压调节系统（氧调器系统）对飞行员的飞行质量至关重要。但是氧调器系统易受飞行环境和飞行员呼吸状态等因素的影响,而且氧调器所用阀门大多含有死区,会给控制系统带来稳态误差,导致控制难度增大,一般的控制策略难以兼顾补偿较大死区和抗扰两个条件。针对此问题,建立了基于音圈电机驱动阀的氧调器系统模型,并针对模型死区特性采用了死区补偿和双限幅模块,设计了基于死区补偿的平稳切换自抗扰控制策略。仿真及对比结果表明：采用同一套控制参数,可以使氧气面罩内压强在各个呼吸频率时有效,并快速地控制在呼吸阻力容许界限以内;并且其呼吸阻力低于将死区看作扰动的一般自抗扰控制（ADRC）。同时,验证了此策略的鲁棒性和抗扰性。     

航空网络关键节点辨识的核极限学习机算法研究

通过技术手段准确识别航空网络的关键节点,对航空网络平时的正常运行以及战时的防御和修复,具有重要的理论意义和参考价值。提出一种基于核极限学习机的航空网络关键节点识别方法,首先,采用层次分析法对节点综合重要度进行评估;然后,选取三个简单指标,基于核极限学习机学习简单指标与综合重要度之间的映射关系,建立重要度评估模型;最后,以中美两国航空网络为例进行仿真。结果表明:仅需计算 40 个节点的复杂指标值,就可对关键节点取得较满意的辨识效果,降低了计算复杂度,提高了辨识效率,即采用本文方法辨识航空网络的关键节点是有效、可行的。     

基于网络平台的大学英语自主学习现状与对策研究

基于网络平台的大学英语自主学习对大学英语教学产生了积极的影响。通过问卷调查发现,存在着学习目标不明确、学习内容不系统、自我监控能力较差等问题。应通过加强对学生自主学习策略的培养,落实学生的主体地位,加强网络监控来提高自主学习的效率。     

翼型气动性能鲁棒性优化设计

讨论了一种在来流速度不确定的情况下对翼型进行鲁棒性设计的方法.介绍了单点及多点设计方法后,阐述了鲁棒性设计方法在翼型气动性能优化中的应用,并对三者进行了比较.引入了代理模型以减少计算量, 并通过遗传算法对翼型进行鲁棒性设计.借助区间分析方法讨论了翼型设计变量的扰动对气动特性上下界值的影响.应用该方法,在提高了翼型的气动性能的同时,降低了该性能对于来流速度的敏感度.      

Model development and adaptive imbalance vibration control of magnetic suspended system

A system model is developed to describe the translational and rotational motion of an active-magnetic-bearing-suspended rigid rotor of a single-gimbal control moment gyro (SCMG) onboard a rigid satellite. This model closely reflects the motion characteristics of the rotor by considering the dynamic and static imbalance as well as the coupling between the gimbal's and the rotor's motion on a satellite platform. Adaptive autocentering control is strictly constructed for the preceding rotor with unknown dynamic imbalance. The rotor achieves its rotation about the principal axis of inertia by identifying the little rotational angles from the geometric axis to the principal axis and then using the results to tune a stabilizing controller, which is composed of a decentralized PD controller with cross-axis proportional gains and high-pass and low-pass filters. The main disturbance in the wheel spinning can thereby be completely removed and the vibration acting on the satellite can be attenuated.     

基于偏差自适应学习的多传感器信息融合机动目标跟踪

为了保证精确打击机动目标,导弹可以采用主/被动雷达切换探测目标。考虑到作战的隐蔽性和生存性,提出基于多传感器信息融合的被动优先跟踪方法:跟踪开始时,令主/被动雷达同时对目标进行探测和跟踪,将二者的信息进行融合,同时自适应地学习融合结果与二者信息的偏差,经过一段时间学习,融合偏差稳定,此时令主动雷达停止工作,由被动雷达单独工作,而目标的运动信息则由被动雷达的信息和学习得到的融合偏差合成。如果目标机动较大,则定期令主动雷达工作以进一步修正融合偏差。该方法既保证了跟踪的精度,同时又减少了主动雷达的工作时间,从而提高了作战的隐蔽性和生存性。将该方法应用于导弹的目标跟踪,仿真结果表明该方法有效。     

小推力转移燃料消耗估计的机器学习方法

深空探测任务设计初段往往需要求解复杂的全局优化问题。小推力轨迹的设计与优化问题精确求解较为复杂,求解速度较慢。由于计算能力与时间要求,不可能在全局优化的过程中对每一个方案都进行精确的小推力数值求解,所以在全局优化阶段需要对小推力转移进行快速准确地估计。采用机器学习的方法,对燃料最优小推力转移的燃料消耗进行了估计,其结果明显优于目前最为常用的Lambert估计方法。根据轨道描述方法的不同以及是否带有Lambert估计特征,采用不同的特征组合进行机器学习,分析结果发现带有Lambert估计特征的春分点轨道根数的特征组合为较好的机器学习特征组合。可为未来深空探测任务轨道设计提供参考。     

航天器椭圆轨道自主交会的自适应学习控制策略

 提出了一种在缺少绝对轨道信息时的航天器椭圆轨道自主交会方法。利用Lawden方程描述椭圆轨道下的两星相对运动关系,并将方程中的时变参数单独归类。在假设这些时变参数无法得到的情况下,采用Lyapunov方法设计了椭圆轨道下自主交会的参数估计规则和自适应学习控制律。仿真结果表明,在只有相对状态信息的情况下,估计参数有效地跟踪了真实参数的变化,所设计的控制律能够实现椭圆轨道下航天器的自主交会。     

Kriging模型在固体火箭发动机装药可靠性分析中的应用

基于Kriging方法对固体火箭发动机装药结构可靠性进行了分析.首先,采用拉丁超立方抽样技术得到了随机参数样本点;然后,利用样本点数据对黏弹性有限元模型的装药进行了结构力学分析;最后,通过Kriging模型得到了八面体剪应变的函数近似响应面,并结合失效判据对失效函数进行了可靠性计算.为了验证Kriging模型在可靠性计算中的有效性,其计算结果与Monte-Carlo方法进行了比较,得到了十分接近的可靠度.