排序方式: 共有16条查询结果,搜索用时 31 毫秒
1.
为提高反射器形面控制能力和减小在轨热变形,本文以锆钛酸铅压电陶瓷(PZT)驱动的主控格栅反射器为研究对象,开展反射器基体结构和PZT压电作动器参数的集成优化设计研究。首先,建立主控格栅反射器有限元模型并通过实验验证了有限元模型的正确性。然后,以形面控制能力最大和热变形最小为目标函数,以设计变量上限、下限和结构基频为约束,采用遗传算法(GA)和非支配排序遗传算法(NSGA-II)求解。最后,给出多个仿真算例的优化结果。仿真结果表明,控制能力最大的单目标优化,其热变形远大于控制能力,多目标的帕累托(Pareto)最优前沿可以给出更合理的设计方案。通过优化设计可以显著提高形面控制能力和减小热变形。 相似文献
2.
3.
4.
针对太阳帆塔等细长结构的空间太阳能电站构型,以圆轨道内平面运动的空间柔性梁为研究对象,在质心浮动坐标系下,基于Hamilton原理建立了姿态运动与弯曲振动的耦合动力学模型。引入简谐形式的姿态运动假设,并验证了假设的合理性。基于此假设,分析了姿态运动与重力梯度对弯曲振动的第一阶频率的影响,重力梯度项的影响为简谐波动形式,而姿态运动使得弯曲振动频率降低,两者作用均随初始姿态角增大而增强。同时,推导了Mathieu方程形式的模态振动方程,并利用小参数摄动分析方法,得到了不同初始姿态角下的弯曲振动的稳定图,发现当初始姿态角越大时不稳定区域就越大。 相似文献
5.
考虑在轨闭环航天器的参数辨识,利用子空间方法辨识大型闭环航天器的周期时变模态参数和控制器的增益参数.讨论了反馈控制器增益矩阵在状态空间方程中的坐标变换情况.利用该方法对所建立的ETS-Ⅷ卫星模型的模态参数和控制器增益参数进行辨识,通过验证闭环系统的响应值,说明该方法在航天器的模态参数闭环辨识中是有效的. 相似文献
6.
针对多旋转关节空间太阳能电站构型,利用基于能量等效原理的连续体等效方法将其等效为柔性梁模型,并考虑重力梯度影响,建立了姿态运动与结构振动的耦合动力学模型;结合Runge-Kutta 法和Newmark法的优点,提出了适用于求解姿态运动与结构振动耦合动力学方程的改进算法,相比于经典Runge-Kutta 法大幅提高了效率;利用改进算法得到了不同参数下的动力学响应。在此基础上,推导了结构振动量级随结构尺寸的六次方量级增加的规律,仿真结果表明尺寸过大引发不稳定现象;分析了姿态运动和重力梯度对结构振动频率和振幅的影响;发现了姿态运动周期受结构柔性影响而增大的现象,这种现象在低轨以及大初始姿态角下影响更为明显。 相似文献
7.
利用改进TW-API方法在轨辨识挠性航天器时变模态参数 总被引:1,自引:0,他引:1
考虑大型挠性部件运动导致的在轨航天器模态参数时变特性,提出一种改进的截断窗逼近幂迭代(TW-API)追踪方法。针对传统TW-API方法计算量较大的问题,改进的方法简化了数据处理中的矩阵递推过程,显著减少了在轨辨识过程的计算量和计算时间。还将该方法与经典投影估计子空间跟踪(PAST)方法和逼近幂迭代(API)递推方法进行了计算量对比与分析。为检验四种方法用于航天器模态参数辨识的效果,选取ETS-VIII卫星为对象进行数值仿真。通过实际计算时间的比较,校验了改进TW-API方法在大型挠性航天器时变模态参数在轨辨识方面的有效性。 相似文献
8.
针对柔性火箭姿态测量中弹性信号会严重影响姿控系统设计和稳定性的问题,提出基于遗传算法的速率陀螺融合方法。首先,以降低姿控回路摆角指令传递函数的弹性峰值为目标,提出多速率陀螺融合方法的目标函数;其次,将多速率陀螺融合方法转化为多约束非线性规划问题,采用遗传算法求解多速率陀螺融合方法;最后,研究多速率陀螺融合方法对火箭姿态控制回路弹性信号的影响,以及对火箭控制器性能的影响。仿真结果表明:多速率陀螺融合方法可以有效减弱火箭姿态控制回路中的弹性信号,提高火箭控制器的性能,以增强火箭姿控系统的稳定性,降低火箭控制器设计难度。 相似文献
9.
为了提高天线反射器的型面精度,以锆钛酸铅压电陶瓷(PZT)驱动的主控格栅反射器为研究对象,对该结构的力学建模方法和形状控制方法进行了研究。首先,建立了格栅反射器、PZT压电作动器一体化有限元模型。然后,采用影响系数矩阵法,以均方根误差最小为目标建立反射器型面主动控制优化模型,并通过最小二乘法求解作动器的最优控制律。最后,搭建了格栅反射器主动控制实验系统,以旋转抛物面为目标型面进行实验研究。实验结果表明,经主动控制后反射器型面精度提高了将近50%,且与仿真结果吻合较好,验证了一体化有限元建模方法的准确性和控制方法的有效性。 相似文献
10.
为了提高运载火箭上升段飞行中推力故障下轨迹重规划的计算效率,提出了一种基于智能决策的在线轨迹重规划方法,将原问题转化为最优救援轨道的在线智能决策和成熟的燃料最优轨迹规划问题进行求解。通过离线求解不同故障状态对应的轨迹重规划问题,建立"故障状态-救援轨道"样本集,基于径向基神经网络建立最优救援轨道的决策模型,并将决策模型装订箭上。在实际飞行中以当前故障状态作为输入,利用决策模型可在线快速决策出最优救援轨道根数,进而求解以救援轨道为目标轨道的燃料最优轨迹规划问题,从而完成推力故障下的在线轨迹重规划。数值仿真表明,与直接求解轨迹重规划问题相比,该方法的计算效率提高了两个数量级以上,同时给出一致的最优救援轨迹。 相似文献