含滑行时间约束的真空段弹道设计研究

由于动力系统及测控资源的约束,工程中存在着末级两次点火但滑行时间受限的运载火箭真空段弹道设计问题。基于线性引力场的假设,引入含滑行时间约束的切换条件,从而将含固定滑行时长的弹道优化问题转换成对两点边值问题的迭代求解和对运动方程的积分,并通过多个算例仿真验证了该方法的正确性和有效性。同时,研究了迭代过程中滑行段不同弹道预报方法对弹道设计的影响,结果显示较高的预报精度可以获得更优的弹道设计结果。该方法提供了一种新的弹道设计思路,在总体方案论证或初步设计阶段可以替代传统设计方法,以有效提升弹道设计效率,优化火箭方案。     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

叶片磨抛机器人力/位混合控制的设计与实现

为提高航空类发动机叶片的自动化磨抛精度,减小复杂曲面叶片加工轨迹控制误差,采用基于六维力传感器的机器人力/位混合控制策略,实现机器人磨抛轨迹的在线修正。搭建以Staubli机器人和ATI六维力传感器为核心部件的叶片磨抛验证平台,通过C++开发上位机,采集磨抛过程中六维力传感器信息并进行Kalman滤波。通过示教确定机器人运动轨迹,对机器人运动轨迹与力传感器信息进行采集分析,确定基于力/位混合控制可以实现机器人运动轨迹的在线修正,为复杂曲面的叶片磨抛轨迹控制提供一种解决方案。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法,具有较为灵活的并行化跟踪方式,能够较好地维持跟踪目标的假设状态,具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段,但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器,实现视频图像中的飞行器跟踪,跟踪图像存在跟踪滞后、画面抖动等现象,跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法,建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪,在识别和跟踪的基础上建立云台控制模型,通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据,检验飞行器目标的跟踪效果。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

基于混杂非对称复合材料的自适应对日定向器

提出并设计了一种基于混杂非对称复合材料层合板的新型自适应对日定向器。该对日定向器采用混杂非对称复合材料层合板作为驱动元件,利用在轨光照条件的变化引起复合材料层合板温度变化,进而使其产生热变形并驱动太阳翼发生偏转。提出的自适应对日定向器结合传统的单自由度对日定向机构,能够实现太阳能帆板的双自由度对日定向。介绍了自适应对日定向器的基本原理,并结合地球静止轨道的光照条件进行了具体设计。利用能量变分原理建立了混杂非对称复合材料的热变形模型,分析其热变形特点,并利用有限元方法对定向器在地球静止轨道上的温度场特性、热变形及对日定向转动角度进行分析。有限元分析结果表明,通过合理设计,自适应对日定向器的转角能够随太阳光入射角变化呈线性变化,定向精度可达±1°。     

基于混合遗传算法的多冲量最优变轨

针对航天器多冲量最优变轨问题,建立了多冲量最优变轨的数值优化模型,给出了一种遗传算法(GA)与序列二次规划算法(SQP)结合的混合优化算法.该算法不需初值猜测,全局和局部搜索能力强并且计算效率高.仿真计算了燃料最优交会和时间最短拦截问题,比较了GA,SQP以及混合遗传算法的性能.针对混合遗传算法得到的不同冲量次数变轨的优化结果,分析了冲量次数对变轨性能指标的影响.结果表明混合遗传算法综合性能最高,冲量次数对不同性能指标的影响不同.仿真算例验证了模型和算法的有效性.     

基于深度学习的空间站舱内服务机器人视觉跟踪

为提升舱内跟随服务机器人的任务辅助能力,解决机器人对航天员的视觉跟踪问题,提出了一种基于深度学习和概率模型的人体视觉跟踪算法。利用深度卷积神经网络实现了对穿着多样、姿态任意人体的稳定检测。结合人体检测结果,设计了运动预测概率模型,实现了对指定人员准确、连续的跟踪。算法对包含大多数航天员活动的多个数据集进行了验证。实验结果表明:提出的跟踪算法实现了对穿着多样、姿态任意人体的稳定跟踪,并有效避免了由于穿着相似、遮挡可能造成的误跟踪问题。该算法为空间站舱内跟随服务机器人对航天员的视觉跟踪提供了有效的解决方法。算法基于融合的RGB-D图像,工程上易于构建和实现,也可拓展到其他跟随服务机器人视觉跟踪任务中。     

多飞行器动态目标追踪协同控制研究

多飞行器追踪动态目标是一个协同控制问题,需要根据目标飞行状态,协同各个追踪飞行器的飞行状态,最终能够在某动态的最佳点实现同时到达。考虑到目标具有较强的机动性,轨迹通常为非线性的,设计了一种基于非线性轨迹预测的、以剩余时间为控制变量的一致性控制方案。仿真结果表明,提出的控制方案能够实现空间位置相距较远的多飞行器动态追踪,具有较好的灵活性和收敛性,目标轨迹的预测结果与实际轨迹误差较小,恰当的轨迹估计有助于缩短追踪时间,提高追踪效率。