航天飞行器交会对接段的姿态控制四元数法

本文研究利用四元数作为误差信号进行航天飞行器姿态控制的控制规律,应用Pontrgagin极小原理导出了喷咀最优控制开关曲线,所得结果不仅可用于交会对接段也适用于航天飞行器上升段和返回段的姿态控制。     

基于四元数估计角速率的陀螺故障定位

当卫星速率积分陀螺的配置冗余度不满足一致性检验条件时，不能单纯利用硬件冗余实现陀螺的故障定位。鉴于角度和角速度敏感器的输出通过卫星运动学相关，本文利用姿态测量敏感器的输出来诊断陀螺故障。首先根据姿态测量敏感器的输出得到卫星姿态四元数，进而根据四元数动力学方程得到粗略的姿态角速度信息，并将此角速度作为输出信息用于对卫星动力学方程的滤波，从而得到较精确的角速度信息，为单冗余度陀螺组件的故障定位提供解析冗余信息。利用四元数方法可以避免出现奇点。仿真结果证明了该方法的有效性。     

直线电机位置伺服系统的增强复合非线性控制

针对高性能机电系统中常用的直线伺服电机,设计了一个能实现快速与准确的定点运动的位置控制器。控制器采用线性控制律与平滑非线性控制律相结合的方案,并利用一个降阶线性状态观测器对电机运动速度(未量测)加以估计。为了消除未知扰动带来的稳态误差,控制律中嵌入了积分控制作用。整个控制律采用全参数化设计,可实现动态增益控制,方便了在线参数整定与性能优化。控制方案应用于一个实际的永磁直线电机位置伺服系统,基于TMS320F28335 DSC进行了试验测试,结果表明系统能对各目标位置进行准确的跟踪,且具有理想的瞬态性能。     

前缘参数对翼型气动-隐身特性敏感性分析

针对翼面部件对隐身飞机气动和隐身性能影响更为突出的问题,提出了一种翼型前缘参数化修形方法,采用高精度气动和电磁数值计算方法,进行了前缘形状对翼型气动-隐身特性的敏感性分析。研究结果表明:翼型前缘半径增加,其最大升力系数、失速迎角、最大升阻比显著增加,但其前向RCS均值也增加明显,设计时需进行综合权衡;在不影响结构和装载的情况下,下表面偏角尽量小,修形长度取0.15c,对翼型的低、高速气动和隐身特性都有利。     

基于B样条的机翼外形参数化方法研究

描述了基于B样条的机翼外形参数化方法在超临界翼型和机翼气动设计中的应用研究。在机翼外形参数化过程中,通过B样条曲线插值和拟合型值点生成机翼截面曲线和展向引导线,采用Coons Gordon方法通过自由放样和点阵插值获得B样条张量积曲面并进行叠加,进而获得插值于机翼表面曲线网的B样条曲面。还运用CFD工具对不同机翼放样面的气动性能进行了分析对比。通过研究,B样条控制点可作为设计变量传递给气动优化程序,采用B样条曲线或曲面表达式为各设计变量的线性组合,可以方便快捷获取几何梯度信息。     

一种水下航行体运动参数测量系统的设计

针对航行体水下试验的要求,设计了一种水下航行体运动参数测量系统。从该系统的原理算法、硬件设计和软件设计等方面进行了详细的阐述。该系统以采用硅微传感器的姿态测量系统（以下简称MTi）作为惯性测量组合,导航计算机采集MTi中的加速度计、陀螺和磁力计的原始传感器数据,结合捷联惯导四元数算法更新姿态矩阵,对航行体的姿态、速度、位置进行实时解算并存储解算结果,试验结束后通过上位机对试验数据进行读取。该测量系统多次应用于航行体的水下试验,获得了航行体水下运动参数。经试验验证,该测量系统性能可靠,可以满足水下航行体的运动参数测量的需求。     

捷联惯性导航系统姿态算法研究

用四元数和旋转矢量在捷联惯导系统中表示姿态矩阵,在圆锥运动的条件下,对旋转矢量算法进行了优化。对四元数、旋转矢量优化算法进行了仿真比较。仿真结果表明:等效旋转矢量算法明显优于四元数算法。     

基于四元数反馈线性化的飞行器姿态控制方法研究

空间飞行器姿态控制系统是一个非线性多输入多输出系统,其姿控执行机构的布局及工作特性决定了姿态控制的难易程度。针对飞行器以姿控发动机作为姿控执行机构时的大角度姿态运动需求,本文采用单位四元数作为弹体姿态描述,考虑到姿控发动机布局对姿态控制的影响,直接以姿控发动机推力作为系统的控制输入,利用反馈线性化方法,将原非线性系统转化为一个六阶线性子系统和一个一阶内动态子系统。在对内动态分析的基础上,针对线性子系统设计了四元数PD反馈控制律。在转动惯量不确定性以及轨控大干扰力矩存在的情况下,对闭环控制系统进行了大角度姿态运动数字仿真。仿真结果表明,本文所设计的姿控方法能够有效地实现飞行器大角度姿态控制,并对系统参数摄动及外部干扰具有较强的鲁棒性。     

大直径螺纹数控加工工艺研究与应用

针对形状结构复杂的某产品上34个M36×3-6H内螺纹加工进行了工艺攻关,提出采用旋风铣的方法,并编制数控加工程序,有效解决了难加工材料大直径内螺纹的加工难题,在此基础上实现了数控加工程序的参数化,理论上可以实现任意直径、任意螺距、任意深度螺纹的加工,并在其他型号产品上得到应用。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。