【摘 要】
:
在考虑飞行器结构温度约束的轨迹设计问题中,采用一般约束热流密度的轨迹优化模型存在反复迭代、不能考虑轨迹、传热之间耦合关系等缺点.针对这些问题,提出一种传热增广的轨迹优化模型.利用空间差分将传热方程转化为一阶微分方程组,与运动方程组成传热增广的系统状态方程,从而能在轨迹优化中对结构温度直接进行约束.算例仿真说明了基于增广模型求解的高效性与结果的合理性;在此基础上分析了再入轨迹与防热结构之间的相互影响关系,对方案设计阶段的防热结构设计提供参考.
【机 构】
:
西北工业大学陕西省空天飞行器设计重点实验室,陕西西安710072;空间物理重点实验室,北京100076
论文部分内容阅读
在考虑飞行器结构温度约束的轨迹设计问题中,采用一般约束热流密度的轨迹优化模型存在反复迭代、不能考虑轨迹、传热之间耦合关系等缺点.针对这些问题,提出一种传热增广的轨迹优化模型.利用空间差分将传热方程转化为一阶微分方程组,与运动方程组成传热增广的系统状态方程,从而能在轨迹优化中对结构温度直接进行约束.算例仿真说明了基于增广模型求解的高效性与结果的合理性;在此基础上分析了再入轨迹与防热结构之间的相互影响关系,对方案设计阶段的防热结构设计提供参考.
其他文献
In statistical parameter estimation problems,how well the parameters are estimated largely depends on the sampling design used.In the current paper,a modification of ranked set sampling called moving extremes ranked set sampling (MERSS) is considered for
针对传统的线性调频(linear frequency modulation,LFM)信号参数估计方法在脉冲噪声环境中无法准确提取参数信息的问题,设计了两种非线性幅值变换函数(nonlinear amplitude transformation,NAT),即attenuation-NAT (A-NAT)函数与increasing bounded-NAT (IB-NAT)函数,推导证明了大幅值脉冲样本经A-NAT或IB-NAT变换后,存在有界的二阶统计量,且LFM信号变换后仅幅值发生变化,相位信息不变.对经过
The paper presents a numerical method for solving a class of high-dimensional stochastic control systems based on tensor decomposition and parallel computing.The HJB solution provides a globally optimal controller to the associated dynamical system.Variab
This paper studies the continuous-time constrained consensus of heterogeneous multi-agent networks with nonconvex input and velocity constraints,where each agent\'s dynamic is modeled by a first-order or second-order integrator,the communication delays
为了提高稀疏捷变频(sparse frequency agility,SFA)雷达信号在稀疏重构中的精度和稳定性,提出一种基于进化粒子群优化(particle swarm optimization,PSO)算法的SFA雷达信号的优化设计.首先,推导了SFA雷达的信号模型和稀疏重构时的字典矩阵.然后,以最小化SFA雷达信号对应字典矩阵的相关性为目标函数,稀疏载频情况下有效带宽和有效跳频间隔为约束条件,建立优化模型.最后,通过进化PSO算法求解得到最优载频序列.仿真结果表明,所提算法在满足稀疏性约束的条件下,
常见的回波域算法在处理穿墙成像中的杂波抑制问题时,杂波滤除不够彻底,致使信杂比和目标准确性较低,严重影响目标检测与识别等后续处理.为解决这一问题,从图像域中寻找杂波像素和目标像素的区分特征,以离散系数实现对像素向量离散程度的定量化,以图像强度和剩余像素均值构建杂波抑制的评价体系,通过主杂波抑制和目标聚焦依次消除离散系数较大的杂波像素向量和背景像素向量,从而得到最终成像结果.仿真结果表明,所提算法具有良好的有效性和鲁棒性,能显著提升信杂比,使目标成像清晰准确.
特征提取是基于高分辨距离像(high resolution range profile,HRRP)的雷达目标识别的关键技术之一.传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性.对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边界条件.通过构造适合处理HRRP的卷积神经网络(convolutional neural network,CNN)模型,充分发掘目标深层次姿态不敏感属性特征,完成高精度目标识别.基于实测数据
传统的固定极化状态存在交叉极化隔离度低且有效的扫描角度范围窄等问题,制约了相控阵雷达中极化信息的充分利用.为提高交叉极化隔离度,并解决宽带相控阵中波束方向图畸变问题,提出一种基于极化状态配置方法的宽带相控阵极化方向图综合方案.通过优化不同波束指向的极化状态,并利用有限长单位冲激响应(finite impulse response,FIR)数字滤波器建立宽带阵列方向图综合模型,实现对极化方向图的控制.仿真结果表明,该方法能够有效降低主极化和交叉极化方向图的频率响应,抑制主极化的旁瓣和交叉极化水平.将宽带相控
在杂波较强的环境下,雷达目标回波往往淹没在杂波中难以被检测,尤其在海杂波背景下,目标的多普勒频率有可能会落在杂波频率范围中,此时传统的杂波抑制方法就产生了一定的局限性.针对此问题,依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同,设计了对应的时频域过完备字典;再通过形态成分分析算法求出目标和杂波分量的稀疏系数向量;将对应字典和稀疏系数向量相乘,恢复出目标和杂波分量,同时实现了杂波抑制和目标信息提取.最后,通过实测数据验证了该算法的有效性.
为了在现代化联合防空作战中,根据蓝方火力配置,红方能够做出最优的兵力分配,使防空效能最大化.从要点防空的任务角度出发,对作战兵力分配进行建模优化,并对优化后的兵力分配效能进行评估.首先选定任务背景为近海小规模局部战争,对复杂作战情况进行抽象得到模型.对模型进行优化,求解得到红方最优兵力分配结果,提出一种新方法,简化了对有限制的类二项分布期望的求解,得到蓝方各类进攻力量成功突防的期望以及红方要点平均损耗期望,并用此值定量评估联合防空的兵力分配效能.最后,进行了实例分析,验证了模型的有效性.