【摘 要】
：
针对临近空间高超声速助推滑翔飞行器弹道轨迹预测,以高超声速助推滑翔飞行器为研究对象进行了纵平面运动轨迹建模、气动参数估计及攻角模型设计。不同滑翔初始状态下的弹道仿真结果表明:滑翔初始运动高度越高,跳跃幅度越大;滑翔初始运动速度越大,滑翔时间越长。通过研究加深了对高超声速飞行器运动特性的认识,为弹道预报、轨迹规划与制导系统设计等任务提供了参考。
论文部分内容阅读
针对临近空间高超声速助推滑翔飞行器弹道轨迹预测,以高超声速助推滑翔飞行器为研究对象进行了纵平面运动轨迹建模、气动参数估计及攻角模型设计。不同滑翔初始状态下的弹道仿真结果表明:滑翔初始运动高度越高,跳跃幅度越大;滑翔初始运动速度越大,滑翔时间越长。通过研究加深了对高超声速飞行器运动特性的认识,为弹道预报、轨迹规划与制导系统设计等任务提供了参考。
其他文献
四绳轮胎式集装箱起重机由于自身的动力学特性较为复杂,目前仍缺乏稳定高效的控制手段.为解决港口起重机作业过程中台车定位精准度低、负载易受干扰摆幅大的问题,文章设计了一种面向工业场景的非线性反馈控制器.首先在未进行近似处理的前提下对起重机吊具摆动情况进行了建模分析.在此基础上,通过在控制器中引入摆幅反馈信息,实现了绳长时变情况下台车的精确定位与负载摆幅的有效抑制,为集装箱的运送路径增加了更多选择.随后基于Lyapunov方法对控制器进行了稳定性分析.所设计的控制方案在港口实际设备上进行了验证,在定位精度与消摆
离散时间有理近似函数是建立基础动力分析模型的重要方法之一.而有理函数的稳定性和精度决定了动力时程分析的稳定性和精度.目前关于离散时间有理近似函数的研究主要集中于时
结点连接方式对土工格室的性能至关重要.结点在加筋结构中往往会受到不同方向的作用力,然而对结点在不同受力状态下的失效机制缺乏系统的研究.通过对焊接、插接、铆接3种结点
情感计算是现代人机交互中的一个重要研究方向,旨在研究与开发能够识别、解释、处理和模拟人类情感的理论、方法与系统.脑电、心电、皮肤电等生理信号是情感计算中重要的输入信号.本文总结了近年来基于脑电等生理信号的情感计算研究所取得的进展.首先介绍情感计算的相关基础理论,不同生理信号与情感变化之间的联系,以及基于生理信号的情感计算工作流程和相关公开数据集.接下来介绍生理信号的特征工程和情感计算中的机器学习算法,重点介绍适合处理个体差异的迁移学习、降低数据标注量的主动学习和融合特征工程与学习器的深度学习算法.最后,指
主通风机切换过程中,取压风量测量作为监测井下供给风量的主要手段,是矿井主扇通风系统安全、稳定与经济运行的重要保障.然而,由于取压孔极易出现堵塞现象,需要频繁维护,导致无法实时测量井下供给风量,难以实现主通风机切换过程的闭环优化控制.同时,随着隐含层节点数的增加,基于随机配置网络(Stochastic configuration network,SCN)的估计模型存在过拟合和泛化能力差的缺点.为了解
以航空场景为例,基于大圆轨迹原则进行航线飞行轨迹模拟。从动态飞行目标和卫星空间关系的角度出发,对典型高轨高通量通信卫星和低轨通信卫星星座的波束或卫星切换频次、可接入波束或卫星数量、通信距离、终端指向需求、多普勒效应影响以及卫星容量需求等方面进行了仿真分析,描述两者在通信过程中的差异和特点,为通信卫星系统设计和优化提供参考。
针对一类具有未建模动态及执行器故障的非严格反馈非线性互联大系统,提出一种基于事件触发机制的模糊分散自适应输出反馈控制算法.首先,通过设计模糊状态观测器估计系统中不可测的状态,并引入李雅普诺夫函数约束未建模动态.然后,提出一种基于事件触发机制的自适应容错控制器补偿多个执行器故障产生的影响.最后,利用障碍李雅普诺夫函数实现对系统输出的约束,并证明闭环系统中所有信号均是半全局一致最终有界的,且设计的事件触发机制可以避免Zeno行为.数值仿真结果验证所提出设计方案的可行性及有效性.
本文提出一种基于联邦智能的分布式控制方法—联邦控制.作为联邦生态的核心环节,联邦控制从联邦智能的需求响应出发,以联邦数据的信息安全和权益保护为目标,以区块链、平行系统为技术支撑,为大型复杂系统提供高效、安全、可靠的控制与管理.
目标检测技术是光学遥感图像理解的基础问题,具有重要的应用价值.本文对遥感图像目标检测算法发展进行了梳理和分析.首先阐述了遥感图像目标检测的特点和挑战;之后系统总结了典型的检测方法,包括早期的基于手工设计特征的算法和现阶段基于深度学习的方法,对于深度学习方法首先介绍了典型的目标检测模型,进而针对遥感图像本身的难点详细梳理了优化改进方案;接着介绍了常用的检测数据集,并对现有方法的性能进行比较;最后对现
如何融合球磨机系统研磨过程所产生的多模态机械信号构建磨机负荷参数预测(Mill load parameter forecasting,MLPF)模型是当前研究的热点.针对上述问题,本文提出一种基于多模态特征子集选择性集成(Selective ensemble,SEN)建模的MLPF方法.首先,对多模态机械信号进行时频域变换得到高维频谱数据;接着,采用相关系数法和互信息法对多模态频谱进行线性和非线性特征子集的自适应选择;最后,采用优化和加权算法对上述特征子集的候选子模型进行自适应地选择与合并,得到基于SEN