最优加经典控制理论用于导弹滚动稳定回路设计

应用最优加经典控制方法，设计了导弹滚动稳定回路。先用简化模型设计最优控衬器的形式，再用经典法选择一个合理的穿越频率，由于在控制参数设计时事先考虑了性能指标，从而保证了设计结果的最优．     

慢旋非合作目标接近轨迹规划

非合作目标自主在轨服务是在轨服务领域的研究方向,具备避碰能力的接近轨迹规划将在未来的在轨服务任务中扮演重要的角色.给出了一种基于滚动时域的慢旋非合作目标接近轨迹规划方法,利用逻辑变量和连续变量的混合形式来描述避碰约束,从而将轨迹规划问题转化为混合整数规划问题.仿真结果表明,基于滚动时域设计的慢旋非合作目标接近轨迹规划能够使得在轨服务航天器安全地接近终端状态.     

考虑物料供应干扰的飞机移动生产线动态调度

针对飞机装配过程中出现的物料供应延期干扰问题,对飞机移动生产线装配作业调度进行了研究。通过对物料供应信息的动态分析,将反应调度决策划分为固定决策和不同场景下的预测决策,并建立了物料供应干扰环境下的动态调度框架。在滚动决策点,以最小化与模板装配计划的偏差及工期的加权和期望值为目标函数,建立了二阶段近似优化模型。针对模型的决策逻辑,设计了以两阶段禁忌搜索算法为框架的启发式算法,求解滚动决策点的优化问题。不同规模下的数值实验表明,所提出的动态调度方法能够有效利用不断更新的物料供应信息,获得接近后验精确解的调度结果,且相比于传统的调度方法,所提方法能更有效地应对物料供应干扰。      

舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器,实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先,描述甲板滑行任务的过程,在此基础上,建立滑行轨迹控制问题的数学模型,包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次,考虑甲板环境和轨迹控制任务要求,基于模型预测控制思想,将在线滑行路径规划与轨迹控制结合,采用滚动优化方法计算出舰载无人机实际滑行轨迹,并且得到控制指令信号。最后,以“尼米兹”级航母为例,对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算,结果表明了模型的合理性和算法的有效性。      

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

神舟飞船逃逸救生分离动力学分析

针对神舟飞船建立了三维动力学模型，研究了在大气层内逃逸飞行器与返回舱分离过程中前、后体气动特性，对不同马赫数、前体攻角、前体与后体滚动角，计算前、后体的相对运动，并对其计算结果进行分析，判断后体是否飞离前体尾流区，为飞船应急救生系统设计提供依据。     

“布朗”航天飞机结构的焊接

介绍了俄罗斯“布朗”航天飞机结构的焊接历史和现状,详细阐述了装配、机加、焊接、校正的工艺过程、试验数据及所采用的专用设备、工装概况。     

基于滚动时域算法的航班滑行路径优化模型

为了提高机场场面运行效率和机场空侧容量,亟需采取积极的手段对滑行路径进行优化。根据滑行路径规划的问题属性,选取离场航班为研究对象,建立了以滑行时间最短为目标函数的无冲突滑行路径优化模型,并设计了基于滚动时域与混合整数线性规划(MILP)相结合的迭代算法;将滑行路径优化模型植入空域管理与评估系统(ACES)的空侧容量评估系统中,以杭州萧山国际机场场面数据为例,对不同策略下的航班滑行时间、容量评估结果及路径更改次数进行了比较分析,验证了模型的准确性,通过比较MILP与新算法下的计算时间验证了算法的高效性。