简介:针对声矢量传感器姿态变化难以准确测量导致目标测向精度低的现状,设计一种微型MEMS姿态传感器,并将其封装在声矢量传感器内部,实现基于MEMS姿态传感器的声矢量传感器设计。首先根据声矢量传感器姿态测量与校正原理,采用四元数姿态解算方法及扩展卡尔曼滤波器设计MEMS姿态传感器,并对其进行姿态精度测试;然后基于MEMS姿态传感器进行声矢量传感器样机设计、制作、参数测试;最后对样机进行了海上实验,结果表明,通过姿态校正后声矢量传感器目标方位估计精度与GPS推算方位精度一致,验证了利用MEMS姿态传感器设计声矢量传感器的可行性。
简介:在非线性、非高斯条件下进行动基座传递对准,如果采用卡尔曼滤波会出现误差较大甚至发散的问题。本文引入强跟踪自适应滤波器,建立对估计误差的一步预测方差PK/K-1的加权算法,来达到抑制噪声的目的;同时,针对初始对准对准精度与快速性的要求,建立了动基座传递对准精确的非线性滤波模型。通过计算机仿真,模拟了飞机机动模式,验证所提滤波器的可行性。最后,通过与扩展卡尔曼滤波的比较,说明非线性强跟踪自适应滤波器在对准精度与速度上都有更好的表现。
简介:针对环形谐振陀螺谐振结构特性参数相同、检测灵敏度高、温度与抗干扰特性好等特点,提出了一种新颖的S形挠曲支撑梁的电容式环形谐振陀螺。其环形谐振子的刚度系数、固有频率等振动特性参数是陀螺结构优化、模态控制、驱动与检测电路设计的主要理论参数。为了得到该陀螺精确的谐振子特性参数,基于角度敏感原理、谐振结构的材料力学性能与机械振动特性,推导了谐振结构的等效刚度系数与固有频率的理论模型,并且分别进行了有限元仿真分析与样机频率特性测试。结果表明该理论模型计算的固有频率与有限元分析的误差为7.0820%,与样机实际测试的误差为3.9035%,证明了理论模型的正确性,为该陀螺的进一步研究提供了理论依据。
简介:采用三维CFD黏性模拟考察涡发生器对高超声速轴对称进气道外部流动的影响.针对前缘钝化半径0.8mm和3.2mm的轴对称进气道外部流场,以涡发生器高度与当地位移边界层厚度比值为影响参数,考察流场结构与性能参数的影响规律.结果表明,涡发生器产生的干扰波系使得前缘激波向外偏移,下游近壁面流动与主流区出现明显的交换,下游流动出现明显的展向非均匀性.涡发生器对流动的影响沿流向逐渐减弱.在气流压缩性能方面,涡发生器下游压比、动压比沿流向开始增大,随后逐渐恢复到无涡发生器工况;Mach数、总压恢复系数开始降低,随后逐渐向无涡发生器工况趋近.涡发生器高度与当地位移边界层厚度的比值h可作为衡量其影响的重要参数.当h≤1.5时,进气道流场结构、性能参数的变化几乎可忽略,h≤3.0时进气道入口处性能参数几乎能够恢复到无涡发生器工况.
简介:以机载星敏感器为代表的高精度卡塞格林光学系统对能量集中度具有很高的要求。百叶遮光罩以其低遮拦比、高杂散光抑制能力、结构稳固等优势应用于卡塞格林光学系统中,然而仅以遮拦效应来评估百叶遮光罩对系统能量集中度的影响存在较大误差。从圆孔的夫琅和费衍射出发,推导具有百叶遮光罩的卡塞格林光学系统的衍射强度分布,证明了百叶遮光罩的衍射效应会对卡塞格林光学系统能量集中度产生较大影响。通过在Zemax中建立的光学系统模型分析表明,百叶遮光罩的衍射效应引起卡塞格林光学系统能量集中度的降低值是遮拦效应的3倍以上,并且叶片数量或厚度的增减都会引起能量集中度的显著下降。为百叶遮光罩的设计提供了理论依据和精确模型。
简介:针对传统无陀螺捷联惯导系统角速度求解复杂,解算效率低,惯性元件安装精度要求高等问题,提出一种新型的无陀螺捷联惯导导航方案,将8-UPS型并联式六维加速度传感器作为其惯性元件,直接测量出运载体的六维绝对加速度。基于矢量力学理论,推导了其惯导基本方程;通过数值积分运算来提取载体的线运动参量;运用空间几何理论建立姿态方程,实时更新捷联矩阵以获取载体的角运动参量,从而完成了导航建模与解算。仿真结果表明该系统能满足航行体中精度实时导航的要求,是有效可行的。与同类导航相比,该系统具有结构紧凑、解算效率高、物理模型误差敏感性低等优势。
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.