无限质量降落伞充气动力学数值模拟

为分析降落伞火星再入环境下的超声速开伞性能,基于任意欧拉-拉格朗日罚函数法和多介质任意拉格朗日欧拉算法,求解可压缩流场与降落伞结构的耦合动力学模型。数值模拟盘缝带伞超声速开伞过程外形变化,预测气动力作用下的伞衣织物三维结构动力学行为。结合风洞试验数据,对比分析降落伞开伞性能和前置体对伞衣充气外形的影响。最终给出超声速伞周围非稳态流场的尾流和激波分布。仿真结果表明:盘缝带伞在超声速开伞过程中被完全充满且充气效果良好,未出现塌陷情况;随着来流马赫数的增加,降落伞阻力系数逐渐减小,充气时间缩短。仿真结果与试验结果保持一致,验证了所提方法的有效性。     

有限质量降落伞充气动力学数值模拟

为研究空投任务中降落伞有限质量充气过程的动力学行为,基于罚函数耦合方法和网格自适应技术分析了降落伞柔性结构与周围不可压缩流场的流固耦合特性。数值模拟开伞过程伞衣三维外形变化,获得降落伞系统下落速度、阻力面积等参数;对比分析初始投放速度对降落伞开伞时间、伞衣阻力面积的影响;通过试验数据对比分析开伞力变化。计算结果表明,该方法可以有效模拟降落伞系统有限质量充气过程的动力学特性,仿真结果与试验结果相符。     

基于正交试验的大型降落伞开伞冲击载荷影响因素分析

对大型伞开伞过程冲击载荷的影响因素灵敏度进行研究.采用充气时间法对降落伞的充气过程进行建模,并运用正交试验设计方法设计了数值试验来分析初始条件、回收物参数、减速伞参数、主伞参数和环境条件等21个影响因素对主伞和减速伞的2次开伞力峰值、主伞开伞时刻动压等5个指标的影响及灵敏度.通过对比4组不同初始条件的数值试验结果,提出了影响减速伞和主伞开伞冲击载荷的主要因素,并具体分析了各个因素的影响方式.     

降落伞主充气阶段数值模拟

建立了降落伞主充气模型。前体、伞绳及伞衣离散为一系列弹性连接的质量节点,伞衣内部流场为二维无粘、不可压流。利用模型计算了主充气阶段伞衣形状变化、伞衣投影面积变化及伞绳张力。计算结果与试验结果进行了比较,相当吻合。     

降落伞充气过程中“瓶颈”效应

以大型伞或特大型伞为研究对象,采用任意拉格朗日-欧拉(ALE)流固耦合方法模拟某载人飞船主伞(环帆伞)在无限质量情况下的充气展开过程。计算获得了充气过程中,伞衣外形和流场之间的动态关系,数值模拟出非对称充气、伞顶甩打等不良充气现象,提出了充气过程存在"瓶颈"效应,通过大量的实物试验验证该效应的存在。通过结果分析发现"瓶颈"效应实质是由于伞衣面积大,伞衣结构复杂或开伞速度过大导致气团进入伞体受阻造成的,但其产生的具体必要条件尚有待进一步研究。结论对了解降落伞工作机理,防止开伞失效有重要意义。     

涡环旋转伞流固耦合特性分析

以一种典型的涡环旋转伞为研究对象,采用任意拉格朗日-欧拉流固耦合方法模拟其在无限质量条件下的充气展开过程。计算得到了涡环旋转伞的充气展开和转速、开伞动载等时程变化曲线以及稳态阶段伞周围流场变化规律、伞衣织物的结构强度等流固耦合特性。结果表明:涡环旋转伞在来流12m/s时稳定转速约为3.1r/s,伞衣幅充满外形饱满,与伞塔试验结果吻合;稳态阶段涡环旋转伞上方产生大量涡核,涡核中心的连线类似于空间螺旋线;涡环旋转伞的阻力系数大于一般结构轴对称降落伞;伞衣幅与伞绳连接区域以及边缘区域应力明显高于伞衣幅平均应力水平。     

救生伞背带分系统对假人动载的影响

为了改善救生伞背带分系统的安全性,建立降落伞-背带-假人系统的动力学模型,分析背带及脱离锁参数对假人质心过载的影响。针对救生伞假人高速开伞空投试验,采用多体动力学方法建立降落伞、背带脱离锁和假人的十五自由度动力学模型;采用半质量-阻尼弹簧模型建立背带模型,连接降落伞、脱离锁和假人;利用实测过载计算降落伞开伞力。利用所建立的动力学模型仿真典型状态下假人和背带的动力学响应,验证所建立模型的合理性。分析了脱离锁位置、背带松紧程度、背带材料特性对假人质心最大过载的影响,可用于指导背带设计以及确定最佳的背带脱离锁位置。     

救生伞背带参数对假人动载的影响研究

针对救生伞假人高速开伞空投试验，建立降落伞-背带-假人系统的动力学模型，分析背带及脱离锁参数对假人质心过载的影响。在合理简化的基础上，采用多体动力学方法建立降落伞、背带脱离锁和假人的十五自由度动力学模型；采用质量-阻尼弹簧模型建立背带模型，连接降落伞、脱离锁和假人；利用实测过载计算降落伞开伞力。利用所建立的动力学模型仿真典型状态下假人和背带的动力学响应，验证所建立模型的合理性。分析脱离锁位置、背带松紧程度、背带材料特性对假人质心最大过载的影响，用于指导背带设计以及确定最佳的背带脱离锁位置。     

伞衣优化设计对群伞系统气动特性的影响分析

随着载人航天、深空探测等航天任务的蓬勃发展,航天器回收载荷质量大幅提高,以单具降落伞为功能核心的传统减速系统已不能满足大质量回收载荷日益提高的迫切要求,发展群伞减速着陆系统是实现大载重航天器高效减速和无损着陆要求的发展方向。本文采用数值模拟手段对群伞系统的气动特性开展仿真研究,结合环帆伞构型优化设计,分析了多种构型下群伞系统的气动特性。通过对仿真结果进行流场分析和数据对比发现,开窗/开缝设计既能够确保群伞系统具有良好的阻力特性,又能够维持群伞系统的工作稳定性,避免单伞之间由于受力而发生碰撞现象。采用数值仿真手段不仅可以提高降落伞研制效率,降低研发成本,也为设计人员掌握群伞系统的工作原理、促进降落伞设计理论发展提供了有力保证。     

基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法

针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。     

An INS/GNSS integrated navigation in GNSS denied environment using recurrent neural network

In view of the failure of GNSS signals, this paper proposes an INS/GNSS integrated navigation method based on the recurrent neural network (RNN). This proposed method utilizes the calculation principle of INS and the memory function of the RNN to estimate the errors of the INS, thereby obtaining a continuous, reliable and high-precision navigation solution. The performance of the proposed method is firstly demonstrated using an INS/GNSS simulation environment. Subsequently, an experimental test on boat is also conducted to validate the performance of the method. The results show a promising application prospect for RNN in the field of positioning for INS/GNSS integrated navigation in the absence of GNSS signal, as it outperforms extreme learning machine (ELM) and EKF by approximately 30% and 60%, respectively.     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。     

一种新的MIMO非线性系统动态解耦控制方法

提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性.     

载人航天器低空救生仿真

在载人航天器低空救生中,回收系统开伞点的初始状态参数如速度、离地面高度、弹道倾角对返回舱能否安全着陆有很大影响.与正常返回类似,低空救生中的回收系统同样经过多级伞的拉直、充气、全充满等运动过程.通过建立回收系统着陆过程的动力学模型,经过大量仿真对比分析,得到开伞点离地面高度为低空救生中返回舱安全着陆的首要因素,同时对低空救生中回收系统多级伞开伞减速过程有了详细的分析.