航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

航空声纳浮标定位的数据融合方法研究

声纳浮标由于受到多种随机因素的干扰,定位精度相差很大,在对具有一定散布海域的潜艇目标进行探测时,往往会投放多枚定位浮标,出现数据冗余的现象。针对这一问题,本文提出了浮标定位算法中的一种数据融合算法;并分析了加权融合和非线性最小二乘数据融合的方法,最后通过仿真验证了这种算法的有效性和可行性。     

高精度中远程导航系统发展述评

介绍和分析了以多普勒速度传感器(DVS)加航姿基准系统(AHRS)为基准的高精度中远程导航系统(DNS)的基本工作原理、所具有的成本低、精度高等优点,及其在国外各种飞行器上的广泛应用。并展望了以多普勒导航传感器加AHRS和其他设备组合为基准构成的组合导航系统的发展前景。     

星座自主导航可视化仿真与分析系统的研制

近年来,星座自主导航技术在卫星自主导航领域越来越引起人们的关注。为更好地研究星座自主导航方法,本文从数据分析、视景仿真和导航解算三个方面论述了星座自主导航视景仿真系统的实现过程。该仿真系统采用ADO技术、OpenGL技术和MATCOM软件来分别实现数据分析模块、视景仿真模块和星座自主导航解算。实验结果表明,软件最终达到了集数据分析、视景仿真和导航解算于一体的仿真效果。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

加油控制失效时飞机通气系统性能计算

飞机地面压力加油系统通气能力计算是飞机燃油系统设计的重要环节.基于流体网络算法,给出了飞机地面压力加油系统和通气系统的计算模型,并对某型飞机地面压力加油控制失效时,油箱通气系统的通气能力进行了计算,获得了油箱承受的压力.通过计算结果与最大压力限制的比较,验证了地面加油通气系统的通气能力.模型对飞机地面压力加油通气系统的设计具有指导意义.     

基于物理规划的高超声速飞行器滑翔式再入轨迹优化

 轨迹优化是新型高超声速滑翔式再入飞行器方案设计的关键技术之一。物理规划方法能够以较低的计算代价获得设计者偏好的多目标优化问题的折中解。基于该方法研究滑翔式再入最优飞行轨迹。首先介绍物理规划方法求解多目标优化问题的数学模型,然后将考虑射程最大、热载最小、热流密度峰值最小和弹道最稳定4个目标的再入最优轨迹问题纳入物理规划的框架求解。以某带翼锥形再入飞行器为例,通过计算并分析单目标优化结果,确定具体的偏好结构,采用遗传算法求解了考虑热流、过载、动压和终端条件约束的多目标最优轨迹。优化计算结果验证了物理规划方法的有效性。分析了沿最优轨迹飞行的物理原因和基本迎角控制规律,可为滑翔式再入飞行器的最优轨迹方案设计提供依据。     

基于遗传算法的液体火箭发动机参数优化

建立了液体火箭发动机系统设计的仿真模型和多目标优化模型,采用组合优化策略和遗传算法,针对全流量补燃循环发动机,进行了不同设计变量和目标函数下发动机性能参数的优化,求得全局最优解.计算结果表明,遗传算法是解决该类问题的有效方法,可为其它类似发动机的优化提供一定的指导作用.      

基于遗传算法的旋转机翼飞机机翼优化设计

将基于实数编码的遗传算法与能准确描述翼型粘性流动的NS方程以及旋翼气动分析模型结合起来,以旋翼最大悬停效率作为优化设计的目标对旋转机翼飞机的机翼进行优化设计,设计结果表明通过优化设计旋翼的气动性能得到了提高,达到了优化设计的目的,旋翼优化设计方法是可行的.     

低成本捷联惯导不对称动态误差的神经网络补偿

 针对低成本捷联惯导系统(SINS)中陀螺动态误差的不对称性在角振动条件下造成姿态漂移的问题,设计了多层前向神经网络的补偿模型。在标定模型参数时,为降低对外部参考信号测量精度的要求,提出用姿态解算的最终误差作为网络优化目标的训练方法。由于最终的姿态误差不是网络的期望输出,无法采用有导师的训练方法,为此采用了微粒群优化算法。仿真实验结果表明:补偿后的陀螺动态误差的不对称度减小了一个数量级。