简介:针对嫦娥三号软着陆轨道设计与控制策略问题,在合理假设的前提下,建立动力学模型,求解得到了嫦娥三号着陆准备轨道近月点和远月点的速度。针对软着陆过程的6个阶段,通过受力分析,建立了嫦娥三号运动的微分方程模型,以燃料消耗最小为优化目标,以每个阶段的起止状态为约束条件,将软着陆轨道的优化设计问题转化为主发动机推力的泛函极值问题,并将其控制函数转化为近似的多项式函数优化问题。运用四阶Runge-Kutta差分迭代方法进行求解计算,从而得到各个阶段的最优控制函数和控制策略。结果表明,嫦娥三号软着陆过程耗时695s,消耗燃料1269.1kg。
简介:从光学谐振腔阈值条件的推导出发,利用光学薄膜设计软件Filmstar为谐振腔的左右腔镜各设计了两种光学薄膜,使1030.5nm-1055.5nm波段连续可调谐的Yb:YAG激光器实现了工作状态的最优化.针对左右腔镜,对设计方案所得结果进行了比较,并分析了方案的可行性.结果表明,左腔镜两设计方案与优化目标的差距均小于1.15%;右腔镜两设计方案与优化目标的差距均小于0.05%,本文设计为激光器谐振腔的腔镜镀膜提供了可靠的理论依据.
简介:摘要城市道路交通安全设施类型的管理以及设计随着我国经济的高速发展,得到不断的完善和创新,同时也是展现现代化建设的城市道路交通发达程度的表现形式之一。综合性的市政交通道路安全不仅是展示一个城市道路专业水平,还有利于营造一个高端的城市气质。本文就城市道路交通安全设施类型设计及应用做出深度分析,从相关的设计人员优质的设计水平、专业素养出发,结合实际的设计以及应用过程中存在的问题点,实时提出有效措施,并为进一步实施做好准备工作。城市道路交通安全设施设计得到相应的改善,将大大提升整体设计效果,同时其应用效率将会直线上升,进一步促进总体城市道路交通安全设施的质量。
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.