多向C/C复合材料烧蚀表面粗糙度初步研究

对C／C复合材料的烧蚀表面粗糙度进行了测量，并对不同编织结构和不同基体组元的C／C复合材料的烧蚀表面粗糙度进行了比较分析。研究发现：基体组元相同时采用多向结构的C／C复合材料烧蚀表面粗糙度明显降低；编织结构相同时，舍有沉积碳组元的碳／碳复合材料烧蚀表面粗糙度明显降低。     

分布式网络化协同测试系统的设计与实现

根据飞机飞行操纵控制系统试验室环境地面模拟试验和外场环境地面机上试验测试的要求，提出并实现了基于虚拟仪器测试技术与网络技术的分布式网络化协同测试系统，详细说明了网络环境测试数据的实时交换与资源共享，结果表明，将客户机／服务器（C／S）与浏览器／服务器（B／S）结合起来，采用分布式多层复合体系结构，降低了成本，提高了效率。     

一种改进的概括性卡诺循环燃气轮机及其性能预测分析

基于气体多变压缩以及等温涡轮燃烧技术，提山了一种改进的概括性卡诺循环燃气轮机，通过模型预测分析了其性能，并与传统燃气轮机进行了比较。结果表明，改进的概括性卡诺循环燃气轮机的效率有很大的提高，其循环是一种接近概括性卡诺循环的气体动力循环和一个蒸汽动力循环所构成的联合动力循环，有利于降低NOx的排放。     

LQG／LTR方法在涡扇发动机控制中的应用

采用LQG／LTR多变量鲁棒控制器设计方法设计了某型航空涡扇发动机控制器；利用神经网络拟合发动机飞行条件、状态与控制器参数之间的关系,验证了控制器在全飞行包线内的性能。仿真结果表明,发动机控制系统的指令跟踪、噪声抑制、抗干扰和鲁棒性等性能良好,能满足发动机稳态控制的要求。     

带FDI算法的无人机组合导航姿态确定控制系统设计

无人机导航系统的作用是提供导航数据给飞控计算机作为制导和控制用,因为飞控计算机的性能在很大程度上依赖于导航数据,导航系统的某一个错误可能会导致整个无人机的失败,因此,导航系统应具有故障检测和隔离(FDI)算法,介绍了一种用于无人机导航的FDI和低成本的组合导航系统,硬件包括低成本商业用MEMSIMU、GPS接收器、磁力计和导航计算机,软件包括带FDI算法的卡尔曼滤波。     

航空发动机H∞/LTR控制试验验证

 用半物理模拟试验验证了多变量鲁棒控制在航空发动机中的应用,给出了航空发动机中H_∞/LTR控制模块的设计过程及注意事项。从半物理模拟试验结果可见:与LQG/LTR控制器不同,H_∞/LTR控制器能在半物理模拟试验环境下稳定控制航空发动机;H_∞/LTR控制器具有优良的噪声抑制功能;基于包线内一点设计的H_∞/LTR控制器可适用于包线内其他区域的加力与非加力状态下的爬升、加速等仿真试验,验证了H_∞/LTR方法的鲁棒性。推进了多变量鲁棒控制设计方法在航空发动机中的实际应用。     

原位合成Al2O3/Ti-Al复合材料的研究

利用氧对金属Ti、Al粉的部分氧化，原位合成了Al2O3／Ti-Al复合材料，通过XRD和SEM手段，发现Al2O3分布在Ti—Al基体交界处，在一些制得的复合材料中出现了大量原位生成的纤维。借助差热分析，对该制备过程的反应机理进行了初步探讨，研究认为该制备过程的反应步骤为：Ti、Al金属粉表面氧化→铝的熔化→TiAl，的生成→Ti2Al、TiAl、Ti，Al等多种化合物生成和Al对TiO2的还原反应。原始组成中铝含量决定了复合材料的主要晶相组成，铝含量不足时，生成Ti2Al、TiAl、Ti3Al等多种金属间化合物和氧化铝；铝含量足够时，最终的产物为TiAl3、金属铝以及氧化铝等相。     

THE DECOUPLING CONTROL FORAIRCRAFT IN RAPID ROLL

ＴＨＥＤＥＣＯＵＰＬＩＮＧＣＯＮＴＲＯＬＦＯＲＡＩＲＣＲＡＦＴＩＮＲＡＰＩＤＲＯＬＬＨｕＷｅｉｄｕｏ，ＺｈａｎｇＭｉｎｇｌｉａｎ，ＷｅｎＣｈｕａｎｙｕａｎ（ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏ...     

复合材料翼盒弯扭耦合效应的研究

通过对翼盒弯扭耦合本构方程的研究,介绍了弯扭耦合系数的概念及数学表达式,分析了复合材料铺层的偏转角和铺向角对弯扭耦合效应的影响,并可以得到出现最大弯扭耦合效应时铺层结构的偏转角和铺向角.应用ANSYS软件对复合材料翼盒结构进行有限元的数值仿真.结果表明,得到的偏转角和铺向角的理论解与数值解具有良好的一致性.     

The Marginal Rao-Blackwellized Particle Filter for Mixed Linear/Nonlinear State Space Models

In this paper, the marginal Rao-Blackwellized particle filter （MRBPF）, which fuses the Rao-Blackwellized particle filter （RBPF） algorithm and the marginal particle filter （MPF） algorithm, is presented. The state space is divided into linear and non-linear parts, which can be estimated separately by the MPF and the optional Kalman filter. Through simulation in the terrain aided navigation （TAN） domain, it is demonstrated that, compared with the RBPF, the root mean square errors （RMSE） and the error variance of the nonlinear state estimations by the proposed MRBPF are respectively reduced by 29% and 96%, while the unique particle count is increased by 80%. It is also found that the MRBPF has better convergence properties, and analysis has shown that the existing RBPF is nothing more than a special case of the MRBPF.