分布式非线性气动力模型弹性飞机动力学研究

建立了线性与非线性两种分布式气动力模型,在弹性飞机模型上添加所建立的气动力模型,验证了整个系统的有效性。对所建立的模型进行着陆及突风扰动动力学仿真,对比线性及非线性气动力模型的飞机动力学响应的差异,结果表明非线性气动力模型能够更合理地计算飞机大迎角状态下的气动载荷及动力学响应。     

移动质心再入飞行器建模及自抗扰滚动控制

基于移动质心滚动控制方案,研究了其动力学系统建模和非线性耦合系统控制的问题。不同于移动质心控制系统建模中常用的牛顿力学建模和常规拉格朗日建模法,采用准坐标形式的拉格朗日法建立了完整的系统动力学方程,避免了牛顿力学中复杂的相互作用力分析和常规拉格朗日建模法物理意义不明确的缺点。鉴于移动质心滚动控制系统的非线性、耦合性和时变性,提出把系统的非线性耦合项和外部干扰统归为未知扰动,并采用自抗扰控制(ADRC)技术进行估计和补偿,相对于常用的比例微分(PD)控制,自抗扰控制器能更好地适应系统参数的变化,具有很强的鲁棒性。最后,通过数学仿真验证了整个控制方案的可行性。     

高架运输索道的静力分析

根据柔索应变与位移的非线性几何关系以及自重作用与温度影响下的平衡方程,采用欧拉描述的坐标系统精确地求得了各点的位移和张力的一般解。由高架运输索道静力问题建立的非线性代数方程组应用改进的Powell混合算法编制的高精度DNEQNF程序直接进行求解。在例题中计算了索道在两端各种高度、跨度以及温度不同的情形并进行了分析。用本文的方法对高度相同的索道问题与其他学者用不同方法得到的结果进行了对比和讨论。     

一种快速稳定的非双曲线型非线性时间序列去噪算法

非双曲线型非线性系统同宿切面点和同宿横截点的存在,使得其时间序列的去噪或轨迹重影变得十分困难。在充分挖掘非线性系统本身特性的基础上,结合Gradient Descent算法的稳定性和Newton-Raphson算法的快速收敛性,提出了一种快速稳定的非双曲线型非线性时间序列去噪新算法,在机器精度内实现了非双曲线型非线性时间序列的去噪。该方法首先计算受扰序列的局部稳定流形和不稳定流形方向,进而确定同宿切面点存在的位置,很大程度上降低了同宿切面对算法性能的影响。不同于现有文献忽视同宿横截点对算法性能影响的做法,研究得出了同宿横截点间的最小距离和干扰噪声均方差二者间的关系,首次定量地估计了同宿横截点可能对算法造成的影响,这无疑对其他算法也将是一个有益的启示。     

有动力通用再入飞行器的轨迹设计与优化

研究了有动力通用再入飞行器的燃料最优巡航轨迹,将问题转化为求解最优稳态巡航轨迹和最优周期巡航轨迹问题。基于稳态动力学方程求解了全局最优稳态巡航轨迹,采用直接打靶法求解了最优周期巡航轨迹,求解过程均考虑了质量变化。结果表明,与全局最优稳态巡航轨迹相比,在一个周期内,最优周期巡航轨迹在燃料消耗和吸热量两个方面都更具优势,采用超燃冲压发动机和火箭发动机分别可以节省4.75%和3.96%的燃料,吸热量分别减小10.4%和5.9%。     

一种改进的IMU加表标定模型及快速标定方法

针对MEMS产品工程应用的需求,提出了一种改进的IMU加表标定模型,更清晰地分离出与安装误差有关的投影关系阵以及与器件误差有关的刻度转化阵。并且,在此模型的基础上给出了不需转台的快速标定方法。投影关系阵不变,该方法减少了观测量,只需6位置来估计加速度计的零位和标度因数,同时进行了现场误差补偿。     

弹体自旋条件下姿控发动机控制律设计

针对大气层内带有横向喷流姿控发动机和尾部气动舵的导弹,研究了弹体自旋条件下的姿态控制问题。以导弹的横向加速度为输出,建立了姿态系统数学模型,并对模型进行了分析和简化。考虑了双通道控制和单通道矢量控制两种控制方式,针对姿控发动机的离散工作特点,分别研究了控制律设计问题,实现了横向加速度的快速跟踪。针对喷流干扰效应,给出了喷流放大因子的在线估计算法。最后,进行了数值仿真,仿真结果说明了所提方法的有效性。     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。     

液氧温度对某液氧液氢发动机性能影响研究

结合某液氧液氢发动机实际飞行中二次工作段入口液氧温度升高和推力下降现象,分析了液氧温度对发动机性能的影响方式和修正方法.通过过冷液氧的发动机试验,对液氧温度影响性能的两种方式分别进行了修正,可将某液氧液氢发动机二次工作段推力与一次工作段的偏差降低约24％,将发动机飞行燃烧室压力与交付值的偏差降低约8％.