-
公开(公告)号：CN107036761A
公开(公告)日：2017-08-11
申请号：CN201611041102.3
申请日：2016-11-11
Applicant: 大连理工大学
Abstract: 本发明公开了一种大角度机动下带挠性附件航天器转动惯量在轨辨识方法，包括以下步骤：S1：根据航天器的姿态动力学方程与挠性附件的运动方程，建立非线性的系统动力学模型；S2：利用陀螺仪采集的姿态角速度数据和航天器做机动的控制力矩数据，采用广义卡尔曼滤波算法估计出挠性附件的振动模态及其导数；S3：将带挠性附件卫星的姿态动力学方程写成最小二乘的描述形式，利用S2估计出的振动模态二阶导数采用最小二乘算法可辨识出卫星的转动惯量值S4：将S2中广义卡尔曼滤波算法估计出振动模态与S3中最小二乘辨识出的转动惯量互相调用，循环S2和S3步骤，采用多步广义卡尔曼滤波与一步最小二乘法结合并发地递推，获得转动惯量的辨识值。
-
公开(公告)号：CN113189870A
公开(公告)日：2021-07-30
申请号：CN202110388335.5
申请日：2021-04-12
Applicant: 大连理工大学 , 上海宇航系统工程研究所
IPC: G05B13/04
Abstract: 本发明公开了一种火箭推力下降故障下椭圆救援轨道的轨迹重规划方法，包括：构建各种推力下降故障下椭圆救援轨道的轨迹优化问题；采用自适应伪谱法离线求解椭圆救援轨道的轨迹优化问题，得到故障状态‑入轨参数的样本集；采用最大最小法对样本数据进行归一化处理，通过正交最小二乘法选择径向基神经网络数据中心，其中径向基函数为高斯基函数，离线训练径向基神经网络，从而建立故障状态到入轨参数非线性映射关系；采用自适应伪谱法在线求解最优推进剂优化问题，即可得到飞行轨迹。本发明通过径向基神经网络决策入轨参数为在线椭圆救援轨道的轨迹规划提供合理的初值，且能避免出现因目标函数中各变量之间的冲突导致的计算效率降低。
-
公开(公告)号：CN112455723B
公开(公告)日：2022-06-24
申请号：CN202011262295.1
申请日：2020-11-12
Applicant: 大连理工大学
Abstract: 本发明公开了一种火箭推力下降故障下基于RBFNN的救援轨道决策方法，包括：在地心惯性坐标系中建立火箭的上升段二级飞行动力学方程，构建一系列推力下降故障下圆轨道半长轴最大优化问题；采用自适应伪谱法离线求解圆轨道半长轴最大优化问题，采用最大最小法对故障状态最优救援轨道样本数据进行归一化处理，将所有数据规范化到[‑1,1]之间，采用正交最小二乘法选择径向基神经网络RBFNN数据中心，其中径向基函数选高斯基函数，离线训练径向基神经网络，从而建立故障状态到最优救援轨道非线性映射关系；将径向基神经网络迁移到火箭实际飞行中，以飞行的故障状态作为输入，该径向基神经网络在线决策出救援轨道。
-
公开(公告)号：CN110399692A
公开(公告)日：2019-11-01
申请号：CN201910700580.8
申请日：2019-07-31
Applicant: 大连理工大学
IPC: G06F17/50
Abstract: 大型捆绑火箭的模态筛选方法，属于运载火箭总体领域，解决现有的火箭模态筛选方法对于火箭模态筛选不够准确、且对于火箭局部模态筛选误差较大的问题，要点是将火箭模态数据分量进行归一化处理，充分利用芯级和助推器模态数据，分别计算出芯级和助推器的相关归一化位移平方和，求出弯曲、扭转、纵振模态下的表征系数ηw，ηn和ηz，最大的表征系数η为芯级或者助推器的模态类型；同时提出了一种新的比重参数，用于更好的判定局部模态。效果是本发明模态筛选方法的模态筛选结果准确性更高。
-
Patent Agency Ranking
公开(公告)号：CN113189870B
公开(公告)日：2024-11-05
申请号：CN202110388335.5
申请日：2021-04-12
Applicant: 大连理工大学 , 上海宇航系统工程研究所
IPC: G05B13/04
Abstract: 本发明公开了一种火箭推力下降故障下椭圆救援轨道的轨迹重规划方法，包括：构建各种推力下降故障下椭圆救援轨道的轨迹优化问题；采用自适应伪谱法离线求解椭圆救援轨道的轨迹优化问题，得到故障状态‑入轨参数的样本集；采用最大最小法对样本数据进行归一化处理，通过正交最小二乘法选择径向基神经网络数据中心，其中径向基函数为高斯基函数，离线训练径向基神经网络，从而建立故障状态到入轨参数非线性映射关系；采用自适应伪谱法在线求解最优推进剂优化问题，即可得到飞行轨迹。本发明通过径向基神经网络决策入轨参数为在线椭圆救援轨道的轨迹规划提供合理的初值，且能避免出现因目标函数中各变量之间的冲突导致的计算效率降低。
-
公开(公告)号：CN113485108A
公开(公告)日：2021-10-08
申请号：CN202110769711.5
申请日：2021-07-07
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种推力下降故障下运载火箭上升段智能任务重构方法，包括采用自适应配点法获取最优救援轨道与其对应飞行轨迹；从所述最优救援轨道对应的飞行轨迹中提取最优轨迹，对所述最优轨迹按离散的飞行时间节点插值，产生“故障状态‑最优轨迹”数据集；采用最大最小法对数据集进行归一化处理，通过正交最小二乘法选择径向基神经网络数据中心，建立故障状态到最优轨迹关系；将所述径向基神经网络迁移到火箭实际飞行中，该径向基神经网络在线决策出近似最优轨迹；利用决策出的所述近似最优轨迹为初始猜测值，采用自适应伪谱法在线求解得到最优救援轨道与飞行轨迹。本发明可在线同时优化救援轨道和其对应的飞行轨迹，并且节省了计算时间。
-
公开(公告)号：CN112455723A
公开(公告)日：2021-03-09
申请号：CN202011262295.1
申请日：2020-11-12
Applicant: 大连理工大学
Abstract: 本发明公开了一种火箭推力下降故障下基于RBFNN的救援轨道决策方法，包括：在地心惯性坐标系中建立火箭的上升段二级飞行动力学方程，构建一系列推力下降故障下圆轨道半长轴最大优化问题；采用自适应伪谱法离线求解圆轨道半长轴最大优化问题，采用最大最小法对故障状态最优救援轨道样本数据进行归一化处理，将所有数据规范化到[‑1,1]之间，采用正交最小二乘法选择径向基神经网络RBFNN数据中心，其中径向基函数选高斯基函数，离线训练径向基神经网络，从而建立故障状态到最优救援轨道非线性映射关系；将径向基神经网络迁移到火箭实际飞行中，以飞行的故障状态作为输入，该径向基神经网络在线决策出救援轨道。
-
公开(公告)号：CN107036761B
公开(公告)日：2019-04-16
申请号：CN201611041102.3
申请日：2016-11-11
Applicant: 大连理工大学
Abstract: 本发明公开了一种大角度机动下带挠性附件航天器转动惯量在轨辨识方法，包括以下步骤：S1：根据航天器的姿态动力学方程与挠性附件的运动方程，建立非线性的系统动力学模型；S2：利用陀螺仪采集的姿态角速度数据和航天器做机动的控制力矩数据，采用广义卡尔曼滤波算法估计出挠性附件的振动模态及其导数；S3：将带挠性附件卫星的姿态动力学方程写成最小二乘的描述形式，利用S2估计出的振动模态二阶导数采用最小二乘算法可辨识出卫星的转动惯量值S4：将S2中广义卡尔曼滤波算法估计出振动模态与S3中最小二乘辨识出的转动惯量互相调用，循环S2和S3步骤，采用多步广义卡尔曼滤波与一步最小二乘法结合并发地递推，获得转动惯量的辨识值。
-
公开(公告)号：CN110399692B
公开(公告)日：2021-01-15
申请号：CN201910700580.8
申请日：2019-07-31
Applicant: 大连理工大学
IPC: G06F30/20
Abstract: 大型捆绑火箭的模态筛选方法，属于运载火箭总体领域，解决现有的火箭模态筛选方法对于火箭模态筛选不够准确、且对于火箭局部模态筛选误差较大的问题，要点是将火箭模态数据分量进行归一化处理，充分利用芯级和助推器模态数据，分别计算出芯级和助推器的相关归一化位移平方和，求出弯曲、扭转、纵振模态下的表征系数ηw，ηn和ηz，最大的表征系数η为芯级或者助推器的模态类型；同时提出了一种新的比重参数，用于更好的判定局部模态。效果是本发明模态筛选方法的模态筛选结果准确性更高。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
