带弹支干摩擦阻尼器的转子振动控制 策略和方法

根据弹支干摩擦阻尼器的特点,提出弹支干摩擦阻尼器控制转子振动的方案,建立了基于主动弹支干摩擦阻尼器的比例积分控制(PI控制)和连续增益调度比例积分控制(连续GSPI控制)方法,对两种控制方法控制转子通过临界转速的振动进行了理论分析、数值仿真和试验验证,并分析了其特点.      

大弯角扩压叶栅吸力面全域压力分布的PSP实验

基于自行组建的PSP(pressure sensitive paint)测量系统,采用中国科学院化学研究所PSP,实验测量了来流马赫数分别为0.4和0.5时大弯角扩压叶栅叶片吸力面全域压力分布,并与传统测压技术所得结果进行了比较.研究结果表明:①采用PSP技术测量可以获得叶片表面全域的连续压力分布,具有空间分布率高、定量测量的特点;②叶片中部PSP测量压力值与压力扫描阀结果吻合得非常好,但受到叶片吸力面曲率的影响,叶片前缘与尾缘附近的误差较大,最大误差为4.48%;③随着来流速度的提高,PSP与压力扫描阀之间的误差逐渐减小.      

筒式偏心在轨分离角速度抑制方法

筒式偏心在轨分离是一类特殊的在轨分离问题,小卫星偏心安装而产生的分离力矩将导致分离角速度,进而影响小卫星的分离指向精度,甚至导致释放平台姿态失稳。而常规的姿态大角速度机动、姿态快速稳定控制方法难以在小卫星出筒前的极短时间内完成分离角速度抑制。因此,进行了卫星筒式偏心在轨分离动力学分析,基于分离角速度的产生,提出了抑制分离姿态干扰的前馈控制力矩法和角速度预偏置法。在此基础上,推导了关键控制参数的近似计算公式,给出了控制量的优化求解方法,并分析了控制干扰因素对抑制结果的影响。最后,通过仿真算例分析,对比验证了两种抑制方法的有效性,并给出了其工程应用的建议。     

热射流点火对爆震管内火焰加速及爆震波触发影响的数值研究

为研究热射流点火对爆震管内火焰加速及爆震波触发的影响,运用34步26组分丙烷基元反应进行了二维数值模拟,获得了5种不同的热射流发生器几何结构下的爆震管内火焰传播规律及缓燃向爆震转捩(deflagration to detonation transition,DDT)的时间与距离.结果表明:爆震管中湍流在火焰加速阶段起着重要作用,在爆震波触发阶段激波与火焰相互作用占有主导地位.根据DDT过程的定义,得到DDT时间在1.4~2.0ms之间,同时发现热射流发生器长度为150mm,热射流发生器孔径在8mm时DDT时间最短,热射流发生器长度及孔径对DDT距离的影响不大.      

应变控制下NEPE推进剂非线性疲劳损伤

为研究高能硝酸酯增塑聚醚(NEPE)推进剂的非线性疲劳损伤特性,基于损伤力学和黏弹性理论,建立了一种非线性疲劳损伤模型.该模型考虑了材料疲劳过程中刚度衰减的特征.建立的疲劳损伤模型,通过动态热机械分析仪(DMA)进行5组不同应变水平下的疲劳实验,获得模型参数,并对模型进行验证,利用电荷耦合器件图像传感器(CCD)进行显微观察,分析了应变加载历史对NEPE推进剂微观上的影响.结果表明:提出的损伤演化模型能够很好地描述NEPE推进剂应变控制下的非线性疲劳损伤;定应变往复拉伸造成了推进剂颗粒与基体的脱湿,在循环初期脱湿速度较快,随着循环周期增加,脱湿程度逐渐趋于稳定.      

旋转扰动波对轴流压气机气动稳定性影响

利用旋转扰动波发生器在一台低速二级轴流压气机上开展实验,研究其旋转频率、扰动扇区角度以及产生的低压区个数对压气机气动稳定性的影响,发现不同的扰动扇区角度和低压区个数下对压气机稳定裕度影响最大的“危险频率”不变.基于M-G模型发展出考虑旋转扰动波影响的二维不可压缩模型,该模型可计算不同扰动扇区角度及低压区个数的旋转扰动波对压缩系统稳定性及动态失速特性的影响,对实验压气机进行建模分析,发现旋转扰动波会诱发模态波的产生,且频率越接近旋转失速团的传播频率对压缩系统稳定裕度的影响越大.      

非合作目标交会的双层MPC全局轨迹规划控制

针对空间非合作目标近距离视线交会中的全局最优鲁棒轨迹规划与控制问题,提出了基于高斯伪谱方法（GPM）和线性时变模型预测控制（LTVMPC）的双层模型预测控制（MPC）算法。在轨迹规划方面,以视线坐标系下的相对轨道动力学为模型、能量最少和控制精度最优为性能指标构建最优控制问题,利用GPM精度高、收敛速度快的特点将最优控制问题转化为易于求解的全局非线性规划问题,在MPC框架下求解得到全局最优的标称轨迹,克服了传统的MPC不适用于全局大范围非线性规划的缺点;在轨迹跟踪控制方面,考虑预测时域内状态转移矩阵的时变特性,设计了LTVMPC算法对标称轨迹进行追踪,避免了存在不确定性时轨迹的重规划,从而降低在线计算量,保证算法在线自主实施,并且采用滚动优化的策略使算法对不确定性具有鲁棒性。由于规划层和控制层考虑的约束相同,因此规划的轨迹是可控、可达的。数字仿真表明,在燃料消耗和交会时间等方面,提出的方法均显著优于传统的MPC方法,相较于传统的MPC方法,新算法的交会时间减少50%左右,燃料消耗降低30%以上。     

高性能流场并行粒子追踪数据管理系统

随着当下计算能力和存储性能的提升,流场数据产出的规模越来越庞大,针对流场数据的可视化应用对于硬件及软件算法的要求也随之提高。基于国家数值风洞（NNW）工程支持,主导设计并开发了高性能流场并行粒子追踪数据管理系统,帮助用户探索和分析大规模流场数据。该系统针对流场数据提供多种高效的数据管理方法,在超算集群上针对并行粒子追踪过程进行了数据预取优化与负载均衡优化。对于粒子追踪过程中产生的流线（或迹线）及进程工作记录数据,该系统支持用户在本地平台上进行性能诊断和分析。使用不同流场数据集开展的两个应用实例验证了该系统的有效性。     

UAV navigation in high dynamic environments: A deep reinforcement learning approach

Unmanned Aerial Vehicle (UAV) navigation is aimed at guiding a UAV to the desired destinations along a collision-free and efficient path without human interventions, and it plays a crucial role in autonomous missions in harsh environments. The recently emerging Deep Reinforcement Learning (DRL) methods have shown promise for addressing the UAV navigation problem, but most of these methods cannot converge due to the massive amounts of interactive data when a UAV is navigating in high dynamic environments, where there are numerous obstacles moving fast. In this work, we propose an improved DRL-based method to tackle these fundamental limitations. To be specific, we develop a distributed DRL framework to decompose the UAV navigation task into two simpler sub-tasks, each of which is solved through the designed Long Short-Term Memory (LSTM) based DRL network by using only part of the interactive data. Furthermore, a clipped DRL loss function is proposed to closely stack the two sub-solutions into one integral for the UAV navigation problem. Extensive simulation results are provided to corroborate the superiority of the proposed method in terms of the convergence and effectiveness compared with those of the state-of-the-art DRL methods.