简介:航空遥感用三轴惯性稳定平台用于稳定成像载荷,获取高分辨的遥感数据。但是由于稳定平台承载大且存在质量偏心,在载机加速度的作用下平台产生幅值较大的不平衡力矩,导致平台的稳定精度下降和相机成像质量退化。为了有效抑制不平衡力矩产生的影响,提高平台的稳定精度,提出了一种基于不平衡力矩观测器的惯性稳定平台不平衡力矩前馈补偿方法。首先设计一种不平衡力矩观测器,实时估计出平台的不平衡力矩;然后通过前馈补偿的方法抑制不平衡力矩的作用,从而达到提高平台的稳定精度的目的。仿真结果显示,平台的稳定精度得到大幅度提高,基于不平衡力矩观测器的惯性稳定平台不平衡力矩前馈补偿方法有显著补偿效果。
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.