FIFO芯片在跳频参数测量中的应用

在说明FIFO的特点的基础上论述了其在跳频参数测试中的应用,详细说明了测试逻辑的软硬件设计。     

闭环激励下无人机非线性参数频域在线辨识

随着无人机在军民领域的大规模应用,对无人机复杂工况下的安全性和适应性提出更高要求。闭环辨识能够在考虑系统反馈作用下获取辨识参数,大幅提高辨识试验的稳定性和安全性。针对无人机闭环辨识试验中多变量非线性气动参数获取问题,首先基于某固定翼无人机动力学模型,推导了无人机的气动力、气动力矩等29个气动参数辨识模型;然后提出了一种闭环激励下无人机多变量非线性参数频域在线辨识方法,设计了基于递推傅里叶最小二乘的闭环辨识的流程架构;最后通过添加噪声后的仿真系统对辨识方法的有效性进行了验证,对辨识结果的有效性进行了分析,可为后续开展的闭环辨识飞行试验提供技术储备和理论支持。初步仿真结果证明,提出的闭环激励下无人机多变量非线性参数频域在线辨识方法可以高效获得辨识结果,辨识的29个气动参数中有16个气动参数辨识平均误差3.43%,同时提出的辨识方法较常规最小二乘法精准度平均提高25.5%。     

运动流体介质和剪切层共同作用下平面近场声全息技术改进

传统的平面近场声全息将全息面置于射流内部。为了降低窗效应和卷绕误差对重建精度的不利影响,一般要求全息面尺寸为声源的2倍以上,而较大尺寸的传声器阵列放在射流内部会干扰射流的稳定。针对这一问题,提出将整个全息面置于射流外部的方法。根据经典的剪切层修正理论,首先分析声波由声源传播至全息面过程中路径和幅值的改变,继而推导出修正后的声场传播公式,最终建立起马赫数小于0.3的运动流体介质和剪切层共同作用下的平面近场声全息理论模型。数值仿真表明,改进后的平面近场声全息技术能够得到高分辨率的重建声场,对气动噪声源的定位精度较高,并且具备一定的抗干扰能力。     

不确定环境下无人机区域目标搜索及载荷参数影响

针对不确定环境下无人机区域搜索问题,建立了实时探测更新的搜索方法,提出了机载光电载荷参数优化配置策略。建立了基于二维离散网格的无人机区域搜索模型,采用概率地图描述目标信息的实时获取与更新;引入不确定度指标、目标网格的重访和网格探测次数控制,建立搜索目标函数;建立了基于粒子群算法的搜索路径滚动优化方法;通过对任务区域平均探测时间步数和误判概率的估计分析,建立了机载光电载荷参数优化配置策略。使用蒙特卡洛方法验证了区域搜索方法的有效性和光电载荷参数配置对搜索效率、误判概率的影响。     

适合概念设计的制导炮弹气动外形优化方法

为了构建能够满足复杂外形制导炮弹气动外形优化设计的方法,给出了基于解析函数和UG NX软件二次开发系统的制导炮弹参数化建模基本原理和具体实施方法,并使用遗传算法为优化算法,结合高精度面元法的气动特性预估程序,完成概念设计阶段的制导炮弹气动外形优化的快速优化设计。以翼-身-尾布局形式的制导炮弹气动外形优化设计为算例,对该优化方法进行了考核验证。算例验证结果表明:气动外形优化方法在使用较少的参数条件下,能够构建具有复杂形状的弹身和翼型的制导炮弹气动布局,并能在构建几何外形的同时快速生成不同拓扑结构外形的面元网格,结合遗传算法能够在制导炮弹概念设计阶段快速得到较优的外形布局,具有很好的工程应用前景。