导弹飞控系统可靠性仿真研究

提出了在几种主要因素影响下进行飞控系统性能和可靠性一体化分析的方法。建立了风、结构误差(包括弹体质量分布不对称、弹体不同轴、翼面安装角误差和舵面机械零位误差)、推力偏心和硬件故障等因素的扰动模型,给出了可靠性仿真的方法、实施步骤、具体算法流程和相关可靠性指标的计算公式。以某型导弹飞控系统作为案例,进行了大量仿真,分析了风等因素对该系统可靠性的影响。通过算例证明,所建立的扰动模型和可靠性分析方法是正确的。     

新型混合励磁电机技术研究与进展

混合励磁电机是对传统单一励磁方式电机的发展,力求综合永磁电机和电励磁电机的优势和特点,有利于减少稀土永磁体用量、拓宽永磁电机调速及调压范围,在航空电源、新能源发电与驱动系统等领域有重要应用前景。本文从励磁结构和磁路原理两个角度对混合励磁电机进行分类和阐述,系统总结了提出的新型转子磁分路混合励磁电机及并列式混合励磁电机的结构原理与运行特点,论述了基于转子磁分路机理发展的混合励磁同步电机不同结构拓扑及其原理,给出了发电/电动运行控制的基本策略与方法。新型混合励磁结构拓扑及控制技术的研究为丰富和发展混合励磁电机技术提供了理论参考与实践指导。     

航空发动机健康等级综合评价方法

研究意义在于将发动机的健康状态量化,进一步提高发动机健康状态评估的可操作性.决定发动机健康状态等级的因素众多,如故障发生的概率、故障的程度以及故障可能造成的损失风险等,且这些因素的影响作用均具有随机性和模糊性.将模糊综合评价方法应用于发动机健康状态等级的评估,将健康状态划分为5个等级,得到每个健康状态等级的隶属度函数,最后基于最大隶属度原则和最大危险性原则确定发动机的健康状态等级.通过对两组发动机故障模拟实验器振动数据的等级评价结果对比,验证了提出方法的有效性和合理性.      

Stewart平台动力学建模及鲁棒主动隔振控制

未来复杂航天器低频模态密集,其敏感载荷要求很高的指向精度和稳定度,只对航天器本体姿态控制很难满足要求.本文采用Stewart超静平台对敏感载荷进行6自由度主动隔振,建立了非线性动力学模型,并根据线性模型设计了多变量鲁棒控制器,采用DK迭代算法求解.频域分析可得Stewart平台对3～800Hz的扰动主动隔振大于25dB,仿真证明Stewart平台对10Hz谐波扰动隔振性能优于40dB,对白噪声随机扰动隔振性能优于30dB,有效抑制了微小扰动,起到了6自由度超静隔振平台作用.     

基于前缘平行射流的缝翼噪声控制研究

增升装置噪声是大型客机起降阶段总体噪声水平的重要组成部分。本文综述分析了增升装置噪声机理与噪声控制方法,指出了当前增升装置噪声研究中存在的几个关键难题。开展了高可靠性大涡模拟数值计算,利用相平均、本征正交分解、动态模态分解和相关性分析等方法,对缝翼噪声、襟翼尾缘噪声和襟翼侧缘噪声机理进行了深入研究,增强了对增升装置噪声机理的认识,研究结果有助于指导高效噪声控制方法设计。     

飞行控制技术面临的挑战与发展

总结了飞行器的发展趋势,明确了飞行控制领域的前沿问题与挑战,概括了飞行控制技术的基础问题和关键技术,分析了现阶段飞行控制技术研究进展,对未来飞行控制技术的发展提出了建议与思考。     

航空发动机的LTR控制

研究了航空发动机的传递函数回路法（LTR）控制。提出了一种简单而有效的适用于最小相位对象的目标回路设计方法,它根据控制系统的频带宽度要求得出目标回路,所设计目标回路不仅稳定而且传递函数为对角阵。由于目标回路的传递函数可以通过LTR步骤加以恢复,因而此目标回路的LTRE控制系统具有良好的性能（包括解耦性能）,将此设计方法应用于某型涡扇发动机的LTR控制,取得了良好的控制效果。     

FUZZY PETRI NET FOR FAULT DIAGNOSIS

ＦＵＺＺＹＰＥＴＲＩＮＥＴＦＯＲＦＡＵＬＴＤＩＡＧＮＯＳＩＳＷｕｙａｎｆａｎｇ；ＷｅｉＺｈｏｎｇｘｉｎ．（ＤｅｐａｒｔｍｅｎｔｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏ...     

斜出口合成射流激励器S进气道分离流动控制

设计加工了单膜双腔式斜出口合成射流激励器,应用PSI DTC Initium压力扫描系统对斜出口合成射流激励器在S进气道主动流动控制中的应用进行了研究。结果表明：斜出口合成射流激励器能够抑制S进气道分离流动,提高出口总压恢复系数σ和降低畸变指数DC90,只需通过改变激励器的工作电压和频率,就可实现对S进气道内部流场的控制。在共振频率下,当来流速度V=80m/s,采用斜出口合成射流控制可使出口截面平均总压恢复系数增加0.37%,此时所耗合成射流能量仅为主流的0.24%。     

基于强化学习的多无人机避障编队控制

针对多无人机编队飞行控制问题,本文提出了一种基于强化学习的解决方案。该方案融合了课程学习思想、Leader-Follower模型和近端策略优化方法。首先,基于课程学习思想,将复杂的编队控制任务分解为两个学习阶段。在第一阶段,利用近端策略优化方法对Leader无人机进行训练,使其能够沿着预设轨迹飞行。随后进入第二阶段,对Follower无人机进行训练。此时Leader无人机的控制策略固定为第一阶段所得的神经网络,并将Leader的延时位置作为Follower的跟踪目标。根据部分可观测信息,设计了奖励函数,以引导无人机在编队飞行中保持稳定的线性队形。为了验证所提方法的有效性,在Unity环境中进行了四机编队空中立体8字飞行仿真。结果表明,相较于传统控制方法,本方法在无需建立精确数学模型的前提下,通过相对简单的训练过程,就能使智能体在与环境的交互中学习到有效策略。这一成果简化了编队控制的复杂性,为无人机编队控制提供了一种新的解决方案。