删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

可重复使用飞行器再入姿态的区间二型自适应模糊滑模控制设计*

本站小编 Free考研考试/2021-12-25

为进一步推动空间应用的深入和空间技术的发展,可重复使用飞行器(Reusable Launch Vehicle, RLV)受到了广泛的关注与研究。作为一类新型的天地往返飞行器,RLV兼具航空器与航天器特点,其在军事和民用领域具有广泛的应用前景[1-2]。作为一类多变量系统,RLV具有较强的非线性和强耦合性,且在再入返回过程中易受飞行环境和飞行范围的影响,由此对可重复运载器控制系统设计产生了极大的挑战[3-4]
为了保证RLV安全且可靠的再入飞行,国内外****在近年来进行了非常多的研究工作。Groves等[5]基于飞行器的线性化模型,设计了线性二次型调节器控制方法。但由于飞行器模型具有较大的非线性,线性化后的模型与飞行器自身模型存在一定的建模误差。Georgie和Valasek[6]针对再入飞行器提出了非线性动态逆姿态控制策略。然而,当模型存在较大不确定时,此控制策略不能实现非线性项的对消,进而影响飞行器控制性能。Fiorentini等[7]利用反步方法思想针对飞行器设计了非线性鲁棒控制器,但在计算过程中,由于虚拟控制指令被多次求导,易产生微分膨胀问题,从而无法保证飞行器跟踪性能。文献[8-10]针对飞行器模型特点,利用鲁棒自适应控制技术分别设计了控制器,取得了较好的控制效果。
然而,由于RLV在再入飞行阶段动力学参数变化较大,易受到模型参数不确定性和外界干扰的影响,同时飞行器再入模型在转化过程中存在未建模动态项,因此所设计的再入RLV控制策略要具有较强鲁棒性。滑模控制(Sliding Mode Control, SMC)方法是一类具有较强鲁棒性的控制方法,常用于飞行器控制策略的构建。Shtessel等[11-12]针对RLV,基于内外双环结构提出了滑模控制器,进而避免了对姿态角误差的高阶求导问题。Liu等[13]结合状态扩张观测器设计滑模控制策略,取得了良好的跟踪性能。模糊逻辑系统(Fuzzy Logic System, FLS)由于能较好地处理模型不确定性和非线性项问题,因此受到了众多****关注[14-17]。相比于type-1模糊系统,type-2模糊系统能在Mamdani和Takagi-Sugeno FLS中提供额外的自由度[18-21],尤其是在系统存在大量不确定性的情况下能够提供更好的跟踪逼近性能。Tao等[22]针对飞行器存在测量噪声问题,利用type-2模糊系统设计控制器,使得系统具有较好的跟踪控制性能。
对此,本文考虑RLV在参数不确定性和外界干扰影响下系统姿态跟踪问题,结合区间二型自适应模糊系统和滑模控制技术设计RLV再入姿态跟踪控制策略。首先,基于RLV再入动态模型和反步策略,将飞行器姿态模型分为内外环子系统。接着,将RLV再入动态模型的参数不确定性和外界干扰分别看作内外环子系统非线性项的一部分。然后,设计合适的区间二型模糊系统用于子系统非线性项的估计。同时,利用滑模控制策略和自适应技术构造飞行器的外环子系统的虚拟控制量,进而确定内环子系统的控制律。在姿态角控制策略设计中,引入一阶低通滤波器以处理虚拟控制量。基于Lyapunov方法在理论上证明闭环控制系统的稳定性,且RLV姿态跟踪误差能收敛在原点附近的小邻域中。最后,通过RLV六自由度模型的数值仿真验证了本文所提出控制方法的有效性及跟踪性能。
1 问题描述 1.1 RLV再入动态模型 RLV再入飞行动态过程可由三自由度质心运动的平动方程与三自由度绕质心运动的转动方程完整描述。考虑飞行器在再入过程为无动力飞行(总是正确的),RLV姿态运动方程可以描述为
(1)

式中:α为飞行器的迎角; β为侧滑角;μ为倾侧角;p为滚转角速率;q为俯仰角速率;r为偏航角速率;L为滚转通道控制力矩;M为俯仰通道控制力矩;N为偏航通道控制力矩;γ为航迹角;m为飞行器质量;v为飞行速度;L为气动升力;Y为侧向力;IxxIyyIzzIxz为飞行器的转动惯量;g为重力加速度。
注1?本文RLV再入动态模型是基于如下假设[1, 16]建立的:
假设1 ?在再入飞行阶段,地球自转速率对飞行器的影响可忽略不计。
假设2 ?地球大气层视为静止的,且其质量变化忽略不计。
1.2 姿态控制模型 RLV再入动态模型具有多变量耦合、强非线性等特点,使得再入姿态跟制器的设计变得复杂。为便于设计RLV再入姿态控制器,将飞行器模型式(1)转化为如下形式姿态控制模型:
(2)

式中:Ω=[α, β, μ]T为飞行器姿态角向量;w=[p, q, r]T为飞行器姿态角速率向量;u=[L, M, N]T为控制输入向量;y=Ω为输出向量;ΔF=[ΔF1, ΔF2, ΔF3]T为飞行器气动参数摄动引起的参数不确定性项;ΔD=[ΔD1, ΔD2, ΔD3]T为系统外界干扰综合项,ΔD=I-1D0- -MΔIw),IM为矩阵(其具体表达式在下文给出),ΔI为参数不确定性,ΔD0为外界干扰;FΩ=[fα, fβ, fμ]TR3×1Gw=-I-1MIR3×3Fw=I-1R3×3GΩR3×3为系统函数矩阵。GΩFΩIM具体的表达式如下:



定义eΩ=Ω-ΩdR3×1为飞行器姿态角跟踪误差;ew=w-wdR3×1为飞行器姿态角速率跟踪误差。其中,Ωd=[αd, βd, μd]T为系统给定姿态角跟踪信号;wd=[pd, qd, rd]T为期望姿态角速率跟踪信号。不失一般性,作如下假设:
假设3 ?系统函数矩阵GΩFw及其导数G′ΩF′w均为有界的,即存在正常数gΩLfwLgΩUfwUgΩUdfwUd和使得下述不等式fwUd成立。其中,gΩUfwUgΩUdfwUd为上确界,gΩLfwL为下确界。
假设4 ?由系统函数矩阵定义,有不等式0 < FwiU成立,GΩiUFwiU为上确界,GΩiLFwiL为下确界。
注2 ?考虑RLV的背景意义和实际飞行情形,假设3和假设4总是合理的。在实际再入姿态控制中,飞行器函数矩阵的上下界并不需要确定得到。同时,假设3和假设4确保了系统函数矩阵的非奇异性。
本文旨在针对RLV再入动态模型式(1)和式(2),给定任意满足假设3的期望指令信号,设计合理的再入姿态控制律,使得RLV能跟踪期望指令信号,且飞行器闭环控制系统的稳定性及姿态跟踪误差的有界性能得以保证。
2 RLV再入姿态控制策略 2.1 区间二型模糊系统 利用单值模糊器、乘积推理机及中心集降阶器,可得到区间一型模糊集输出,该输出可由2个端点ylyr表示。通过计算和的均值,去模糊化区间集,得到去模糊化的清晰输出为
(3)

式中:yl=θlTξlyr=θrTξrθlθrξlξr分别为左侧、右侧的调整参数向量和相对应模糊基函数向量;。并基于万能逼近理论,给出如下引理:
引理1[23] ?假设给定函数f(x):RnR在紧集IsRn上为实连续函数,对于任意常数ε>0,都存在一个区间二型模糊系统(3)使得不等式成立。那么,函数f(x)可由该模糊系统逼近,即
(4)

式中:f*(x)=θ*Tξ(x)为最优区间二型模糊系统。
θ*θ的最优参数向量,其表达式为
(5)

2.2 再入姿态控制器设计 步骤1 ?外环姿态角控制器。
定义姿态角跟踪误差为eΩ=Ω-ΩdR3×1,其中Ωd=[αd, βd, μd]T为系统给定姿态角跟踪信号,且其导有界。
由飞行器姿态控制模型式(2),得到RLV姿态角跟踪误差动态为
(6)

定义姿态角子系统的滑模面为SΩ=DΩeΩ=DΩ(Ω-Ωd),则
(7)

式中:DΩ=diag[sgn(ΓΩi)]3×3GΩ-1FΩ=[(GΩ-1FΩ)i]∈R3×1GΩ-1ΔF=[(GΩ-1ΔF)i]∈R3×1GΩ-1=[(GΩ-1)ij]∈R3×3为系统非线性函数项,可分别由区间二型模糊系统进行逼近,即
(8)

(9)

(10)

其中:
(11)

式中:θΩli*, γΩli*, ηΩlij*TθΩri*, γΩri*, ηΩrij*T分别为二型模糊系统左侧、右侧最优调整参数向量;ξΩli, μΩli, ζΩlijξΩri, μΩri, ζΩrij为相对应的左侧、右侧模糊基函数向量。
式(11)三项分别为外环子系统的最优区间二型模糊系统。εΩ=[εΩi]∈R3×1σΩ=[σΩi]∈R3×1为模糊系统逼近误差。
选取姿态角子系统滑模面的趋近律为
(12)

式中:KΩ1=diag(kΩ1i)3×3, KΩ2=diag(kΩ2i)3×3kΩ1iR+kΩ2iR+为待系统设计常数;δiR+为小常数。
设计外环姿态角子系统虚拟控制律wd
(13)

式中:
(14)

式(14)为区间二型模糊系统实际输出。其中,参数向量分别为最优参数向量的估计值。
为避免运算中微分膨胀问题,引入如下形式的一阶低通滤波器[24]处理虚拟控制律wd,即
(15)

式中:Kf=diag(kfi)∈R3×3kfiR+为滤波器的时间常数。
选择再入飞行器的区间二型模糊系统参数向量的自适应更新调节律分别为
(16)

(17)

(18)

式中:,且有ΓΩi+GΩiU; λΩliλΩricΩlicΩriτΩlijτΩrijmΩlimΩribΩlibΩridΩlijdΩrijR+为待设计参数。
步骤2?内环姿态角速率控制器。
现设计虚拟控制输入wd。定义姿态角速率跟踪误差ew=w-wdR3×1,其中wd=[pd, qd, rd]T为期望姿态角速率跟踪信号,且其导数有界。
基于飞行器控制模型式(2),姿态角速率的跟踪误差方程可表示为
(19)

类似地,定义姿态角速率子系统滑模面为Sw=Dwew=Dw(w-wd),可得滑模面动态为
(20)

式中:Dw=diag[sgn(Γwi)]3×3Fw-1Gw=[(Fw-1Gw)ij]∈R3×3, Fw-1ΔD=[(Fw-1ΔD)i]∈R3×1, Fw-1=[(Fw-1)ij]∈R3×3为系统复杂的非线性函数项,可利用区间二型模型系统分别逼近,有
(21)

(22)

(23)

其中:
(24)

式(24)三项分别为内环子系统的最优区间二型模型系统。εw=[εwij]∈R3×3σw=[σwi]∈R3×1为模糊系统逼近误差。
姿态角速率子系统的滑模面选择为
(25)

式中:Kw1=diag(kw1i)3×3Kw2=diag(kw2i)3×3kw1ikw2iR+为待设计常数;δiR+为小常数。
进而,确定再入飞行器实际控制量u
(26)

式中:
(27)

式(27)分别为区间二型模糊系统的实际输出;参数向量分别为最优参数向量的估计值。
姿态角子系统区间的二型模糊系统参数向量自适应更新调节律选取为
(28)

(29)

(30)

式中:,且有Γwi+FwiUλwlijλwrijcwlijcwrijmwlimwribwlibwriτwlijτwrijdwlijdΩrij为待设计参数。
3 稳定性分析 定理1?对于飞行器控制模型式(2),且满足假设3、假设4和引理1,飞行器姿态角和姿态角速率子系统的控制律分别设计为式(13)和式(26),并选取参数向量自适应更新律分别为式(16)、式(18)和式(28)、式(30),则RLV闭环控制系统是半全局一致有界稳定的,且飞行器姿态角跟踪误差能收敛于原点附近的一个小邻域内。
证明?选取Lyapunov函数为
(31)

式中:
(32)

(33)

其中:t=Ωlij, Ωrij, wlij, wrij。滤波器误差定义为yf=wd-wd,且有
(34)

将飞行器控制律式(13)和式(26)分别代入滑模面动态面和则有
(35)

(36)

式中: 为模糊系统总逼近误差。
对经由自适应更新调节律式(16)~式(18)求关于时间的导数,并将式(35)代入,可得
(37)

考虑有如下不等式:
(38)

利用Young’s不等式,并将不等式(38)代入式(37)中,经整理有
(39)

式中:
式(39)可进一步转变为
(40)

式中:, ,
类似地,结合式(28)、式(30)、式(36)和不等式(38)证明,可以得到,即
(41)

式中:,
综上,整理式(40)和式(41)可得到
(42)

式中:0 < ρVi≤min{ρΩi, ρwi}, κVi=κΩi+κwi。求解式(42),可得
(43)

由式(40)和式(41),有下式成立:
(44)

因此,飞行器闭环控制系统可实现稳定。通过选取适宜的控制器参数,可使得姿态跟踪误差最终可收敛于内,进而飞行器控制系统跟踪控制性能得以保证。
注3?由式(44)可知,飞行器姿态角跟踪误差eΩi与参数κΩiρΩi相关。一般来说,κΩi参数值越小,ρΩi参数值越大,姿态角跟踪误差最终收敛于越小的区域,反之亦然。然而,太大的ρΩi及太小的κΩi易引起姿态角跟踪振荡,进而对飞行器性能产生不利。类似的结论亦适用于姿态角跟踪角速率误差ewi。?????证毕
4 仿真验证 为验证所提控制策略的有效性,应用所提出的控制方法针对RLV再入动态模型进行仿真实验。
4.1 参数设定 再入飞行器转动惯量值分别设定为Ixx=434 270 slug·ft2, ,Ixz=17 880 slug·ft2, Iyy=961 200 slug·ft2Izz=1 131 541 slug·ft2,1 ft=0.304 8 m,1 slug·ft2=14.593 9 kg·m2。飞行器其他初始条件如表 1所示。
表 1 再入RLV初始参数值 Table 1 Initial parameter values of reentry RLV
参数 数值
高度h/ft 260 000
速度v/(ft·s-1) 24 061
纬度?/(°) 0
经度θ/(°) 0
航迹角γ/(°) 0
航向角χ/(°) 0
α/(°) 12.60
β/(°) 11.46
μ/(°) -57.29
p/((°)·s-1) 0
q/((°)·s-1) 0
r/((°)·s-1) 0


表选项






仿真中,选取以高斯型隶属度函数为主设计的区间二型模糊系统。飞行器控制器待设计参数分别设置如下:KΩ1=diag(1, 0.8, 1), Kw1=18I3×3KΩ2=diag(1.6, 1.4.1.6), Kw2=15I3×3, Kf=0.1I3×3; λΩ1=λΩr=cΩl=cΩr=[1.5, 1.2, 1.5]T, λwl=λwr=cwl=cwr=[1, 1, 1;1, 1, 1;1, 1, 1], δ=0.001[1,1,1]T; mΩl=mΩr=bΩl=bΩr=[1, 1, 1.2]T, mwl=mwr=bwl=bwr=[1.1, 1, 0.9], τΩl=τΩr=dΩl=dΩr=[1.4, 1.4, 1.2;1.4, 1.4, 1.2;1.4, 1.4, 1.2], τwl=τwr=dwl=dwr=[1.2, 1.2, 1.2;1.2, 1.2, 1.2;1.2, 1.2, 1.2]。
此外,为验证RLV再入姿态控制器的鲁棒性能,针对飞行器控制模型式(2)加入参数不确定性ΔF=0.1FΩ和外界干扰为

4.2 仿真分析 为了更好地验证本文所设计姿态控制方法的有效性及跟踪性能,在同样的条件(模型和初始情况)下与传统的滑模控制方法进行仿真实验对比。仿真结果如图 1~图 4所示。
图 1 姿态角跟踪响应曲线 Fig. 1 Attitude angle tracking response curves
图选项




图 2 姿态角跟踪误差变化曲线 Fig. 2 Attitude angle tracking error changing curves
图选项




图 3 姿态角速率变化曲线 Fig. 3 Attitude angular rate changing curves
图选项




图 4 RLV力矩响应曲线 Fig. 4 Torque response curves of RLV
图选项




图 1为迎角、侧滑角和倾侧角跟踪曲线。由图 1可以看出,在飞行器模型的参数不确定性和外界干扰的综合影响下,所提出的姿态控制策略能使得再入RLV在很短时间(约2 s)内实现对期望指令的稳定跟踪,且其稳定跟踪时间快于传统滑模控制方法。
图 2为迎角、侧滑角和倾侧角跟踪误差变化曲线。图 2表明,所提出的控制策略能够以更高的精度对期望指令信号进行跟踪。
图 3为滚转角、俯仰角和偏航角速率变化曲线。由图 3可知,在所设计控制器作用下,再入飞行器三通道角速率的变化更加平滑。
图 4为飞行器的滚转、俯仰和偏航三通道所需力矩响应曲线。由图 4可知,相比于传统的滑模控制方法,RLV在所提出的姿态跟踪策略下能产生更加平滑的控制力矩且无抖振现象。
5 结论 本文针对RLV姿态跟踪控制问题,考虑RLV再入动态模型的参数不确定性和外界干扰情形,基于区间二型自适应模糊技术提出一种再入姿态滑模控制策略。
1) 该控制策略引入区间二型模糊系统对飞行器姿态角和角速率子系统非线性项进行逼近,有效地解决了RLV再入动态模型的强非线性问题。
2) 结合滑模控制方法及自适应更新律设计,使得所设计控制器具有较强的鲁棒性。同时,利用Lyapunov方法在理论上严格证明了RLV闭环控制系统的稳定性。
3) 通过对飞行器再入模型的仿真对比验证,所设计的再入姿态控制器在RLV再入动态模型参数不确定性和外界干扰的影响下,能够有效地实现对期望指令信号稳定且快速地跟踪,且相比于传统滑模控制方法具有更好的跟踪控制性能。

参考文献
[1] HALBE O, RAJA R G, PADHI R. Robust reentry guidance of a reusable launch vehicle using model predictive static programming[J]. Journal of Guidance, Control, and Dynamics, 2014, 37(1): 134-148.
[2] 窦立谦, 毛奇, 苏沛华. 基于自适应模糊控制的可重复使用运载器再入姿态控制[J]. 控制与决策, 2018, 37(7): 1181-1189.
DOU L Q, MAO Q, SU P H. Adaptive fuzzy attitude control design for reentry RLV[J]. Control and Decision, 2018, 37(7): 1181-1189. (in Chinese)
[3] GAO Z, JIANG B, SHI P, et al. Active fault tolerant control design for reusable launch vehicle using adaptive sliding mode technique[J]. Journal of the Franklin Institute, 2012, 349(4): 1543-1560. DOI:10.1016/j.jfranklin.2011.11.003
[4] XU B, ZHANG Y. Neural discrete back-stepping control of hypersonic flight vehicle with equivalent prediction model[J]. Neurocomputing, 2015, 154: 337-346. DOI:10.1016/j.neucom.2014.11.059
[5] GROVES K P, SIGTHORSSON D O, SERRANI A, et al.Reference command tracking for a linearized model of an air-breathing hypersonic vehicle[C]//AIAA Guidance, Navigation, and Control Conference and Exhibit.Reston: AIAA, 2005: 2901-2914.
[6] GEORGIE J, VALASEK J. Evaluation of longitudinal desired dynamics for dynamic-inversion controlled generic reentry vehicles[J]. Journal Guidance, Control, and Dynamics, 2003, 26(5): 811-819.
[7] FIORENTINI L, SERRANI A, BOLENDER M A, et al. Nonlinear robust adaptive control of flexible air-breathing hypersonic vehicle model[J]. Journal of Guidance, Control, and Dynamics, 2009, 32(2): 401-416.
[8] 刘燕斌, 陆宇平, 何真. 高超音速飞机鲁棒自适应控制的研究[J]. 宇航学报, 2006, 27(4): 620-624.
LIU Y B, LU Y P, HE Z. Research on robust adaptive control for hypersonic vehicle[J]. Journal of Astronautics, 2006, 27(4): 620-624. DOI:10.3321/j.issn:1000-1328.2006.04.010 (in Chinese)
[9] WANG F, HUA C, ZONG Q. Attitude control of reusable launch vehicle in reentry phase with input constraint via robust adaptive backstepping control[J]. International Journal of Adaptive Control and Signal Processing, 2015, 29(10): 1308-1327. DOI:10.1002/acs.2541
[10] FALCOZ A, HENRY D, ZOLGHADRI A. Robust fault diagnosis for atmospheric reentry vehicles:A case study[J]. IEEE Transactions on Systems, Man, and Cybernetics-Part A:Systems and Humans, 2010, 40(5): 886-899. DOI:10.1109/TSMCA.2010.2063022
[11] SHTESSEL Y B, BUFFINGTON J, BANDA S. Multiple timescale flight control using reconfigurable sliding modes[J]. Journal of Guidance, Control, and Dynamics, 1999, 22(6): 873-883.
[12] STOTT J E, SHTESSEL Y B. Launch vehicle attitude control using sliding mode control and observation techniques[J]. Journal of the Franklin Institute, 2012, 349(2): 397-412. DOI:10.1016/j.jfranklin.2011.07.020
[13] LIU J, VAZQUEZ S, WU L, et al. Extended state observer-based sliding-mode control for three-phase power converters[J]. IEEE Transactions on Industrical Electronics, 2016, 64(1): 22-31.
[14] FU C, SARABAKHA A, KAYACAN E, et al. Input uncertainty sensitivity enhanced nonsingleton fuzzy logic controllers for long-term navigation of quadrotor UAVs[J]. IEEE/ASME Transactions on Mechatronics, 2018, 23(2): 725-734.
[15] SHEN Q, JIANG B, COCQUEMPOT V. Fuzzy logic system-based adaptive fault-tolerant control for near-space vehicle attitude dynamics with actuator faults[J]. IEEE Transactions on Fuzzy Systems, 2013, 21(2): 289-300.
[16] MAO Q, DOU L, ZONG Q, et al. Attitude controller design for reusable launch vehicles during reentry phase via compound adaptive fuzzy H-infinity control[J]. Aerospace Science and Technology, 2018, 72: 36-48. DOI:10.1016/j.ast.2017.10.012
[17] KAYACAN E, RAMON H, KAYNAK O, et al. Towards agrobots:Trajectory control of an autonomous tractor using type-2 fuzzy logic controllers[J]. IEEE/ASME Transactions on Mechatronics, 2015, 20(1): 287-298.
[18] LIANG Q, MENDEL J M. Interval type-2 fuzzy logic systems:Theory and design[J]. IEEE Transactions on Fuzzy Systems, 2000, 8(5): 535-550. DOI:10.1109/91.873577
[19] WU H, MENDEL J M. Uncertainty bounds and their use in the design of interval type-2 fuzzy logic systems[J]. IEEE Transactions on Fuzzy Systems, 2002, 10(5): 622-639. DOI:10.1109/TFUZZ.2002.803496
[20] LI H, WU C, SHI P, et al. Control of nonlinear networked systems with packet dropouts:Interval type-2 fuzzy model-based approach[J]. IEEE Transactions on Cybernetics, 2014, 45(11): 2378-2389.
[21] KUMBASAR T. Robust stability analysis and systematic design of single input interval type-2 fuzzy logic controllers[J]. IEEE Transactions on Fuzzy Systems, 2016, 24(3): 675-694. DOI:10.1109/TFUZZ.2015.2471805
[22] TAO X, YI J, YUAN R, et al.Control of a flexible air-breathing hypersonic vehicle with measurement noises using adaptive interval type-2 fuzzy logic system[C]//IEEE International Conference on Fuzzy Systems.Piscataway, NJ: IEEE Press, 2017.
[23] WANG L X. Stable adaptive fuzzy control of nonlinear systems[J]. IEEE Transactions on Fuzzy Systems, 1993, 1(2): 146-155. DOI:10.1109/91.227383
[24] WANG F, HUA C, ZONG Q. Attitude control of reusable launch vehicle in reentry phase with input constraint via robust adaptive backstepping control[J]. International Journal of Adaptive Control and Signal Processing, 2015, 29(10): 1308-1327. DOI:10.1002/acs.2541


相关话题/控制 系统 设计 干扰 信号

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 一种用于图像翘曲变换的高速缓冲存储器设计*
    图像翘曲变换是一种常见的图像处理方法,其将几何变换关系应用于图像中的每个像素,使原始平面图像经扭曲形变后变换为目的曲面图像。图像翘曲变换应用广泛,如镜头失真校正[1-2]、立体视觉图像校正[3-4]、生成全景图像的翘曲拼接[5]等。本文主要研究用于车载平视显示(Head-UpDisplay,HUD) ...
    本站小编 Free考研考试 2021-12-25
  • 3-PPP型柔性并联微定位平台的设计与分析*
    柔性机构是利用材料的弹性变形传递运动、力或能量的新型机构[1-3]。由于机构中的运动副为一体化的柔性结构故无需装配与润滑,同时避免了摩擦、磨损、间隙、回程误差,减小了机构的体积和重量并可实现高精度运动[4],因此柔性机构在微电子工程[5]、精微操作[6-8]、生物医学工程[9]以及纳米技术[10]等 ...
    本站小编 Free考研考试 2021-12-25
  • 同步式GPS欺骗干扰信号生成技术研究与设计*
    目前,无人机技术日趋成熟,应用迅速增多,飞行频次和飞行范围急剧增加,在提供方便的同时对于飞行安全提出了巨大的挑战[1]。民用无人机价格低廉、购买途径众多、操作门槛低、对起飞环境要求低,当前出现了大量黑飞无人机,一些未经审核的黑飞事件造成了严重的恶性影响,因此有必要对无人机实施监测,必要时进行强制管控 ...
    本站小编 Free考研考试 2021-12-25
  • 新型大转角2T2R并联机构的设计与分析*
    航空航天装备结构件的加工是装备制造工程的主要组成部分[1]。其中,细长结构部件在航空航天装备中占有重要比例。这些细长结构部件大多是薄壁型结构,具有尺寸大、外形复杂等结构特点[2]。目前,传统机床需要多次装卸才能完成此类部件的所有加工工序。此加工方式容易引起加工工件的结构变形,并且加工精度差、效率低, ...
    本站小编 Free考研考试 2021-12-25
  • 基于支持向量机的飞行器多余物信号识别*
    在飞行器生产、制造及使用过程中,由于加工工艺水平有限,容易产生各种金属或非金属多余物,如锡渣、导线、铝屑等,这些多余物吸附或嵌入在腔体内部,在某些情况下,容易被激活为游离状态,触碰内部关键部位,并引发重大事故。在航空航天领域,国内外发生过多起因多余物造成的重大事故。1992年,“长征二号捆绑式”火箭 ...
    本站小编 Free考研考试 2021-12-25
  • 基于反步控制方法的菱形翼无人机起飞滑跑控制*
    战场态势感知能力是现代体系作战的关键环节。同侦察卫星和有人侦察机相比,无人侦察机具有成本低、侦察目标区选择灵活、侦察质量高、不受天气状况影响、无人员伤亡危险等优点[1-2]。菱形翼无人机具有质量轻、诱导阻力小、升力系数大、油耗低、续航时间长和航程远等性能特点,而且菱形分布的机翼使得安装全向侦察设备成 ...
    本站小编 Free考研考试 2021-12-25
  • 翼身融合布局客机客舱布置快速生成原型系统*
    为满足客机经济性和环保性越来越高的要求,人们开始探索各种新的客机构型方案。其中,一种新的民机构型方案——翼身融合布局(BlendedWingBody,BWB)概念[1]引起了学术界和工业界的重视。BWB客机具有更好的气动效率[2],有可能满足日益严苛的经济性和环保性要求。相比于常规布局客机,BWB客 ...
    本站小编 Free考研考试 2021-12-25
  • 分布式用户痕迹采集存储系统*
    随着互联网技术的快速发展与普及,网络信息井喷式增长,在此复杂分布式环境中,海量用户产生杂乱无序的信息,门户类的网站信息繁多,首页导航、菜单、用户浏览网站过程中加载图片、视频、语音等多种类型的文件,并产生中间数据。大型企事业单位,如金融机构、公安等政府机关单位的网站都是自主研发,拥有大量的用户数据,市 ...
    本站小编 Free考研考试 2021-12-25
  • 基于辅助进气门的进气道/发动机一体化控制*
    随着新一代飞机发动机设计要求的不断提高,进气道与发动机之间的耦合影响已经不可忽视。进气道能否提供足量的、稳定的气流对于发动机能否充分发挥综合性能至关重要[1-2]。为了满足飞机的高速飞行要求,超声速外压式进气道应运而生,但在低速状态下,性能会有所下降,尤其当飞机大迎角姿态飞行时[3-5],进气道出口 ...
    本站小编 Free考研考试 2021-12-25
  • 强电磁脉冲下柴油发动机系统薄弱环节识别*
    近年来,柴油发动机发展越来越完善,以其高功效、宽功率范围、可靠性高、经济性好等优点,广泛应用于交通运输、工程机械、农用机械和国防装备等领域[1]。在现代战场上,大部分车辆均搭载柴油发动机。作为汽车的核心,发动机系统电子控制程度较高,在强电磁脉冲作用下会受到严重干扰甚至损伤[2-3]。为提高发动机电磁 ...
    本站小编 Free考研考试 2021-12-25