主要研究高超声速飞行器副翼控制下的横侧向稳定性问题,针对满足传统稳定性判据的飞行器出现振荡发散的现象,通过对具体的运动过程进行机理分析,给出了反映该现象的预测判据,该判据的优势在于进一步完善了横侧向闭环稳定判据,为气动布局评估和设计提供依据。最后通过具体的特征点例子说明预测判据的有效性。

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。

如图所示的MAX1687/MA划688升压型DC一DC转换器采用一种独特的控制方式，它是专为“碎发负载”系统如GSM手机而优化设计的。这种方式通过限制电池峰值电流，精确控制PA(功放)储备电容的充电速率，从而避免了这类应用中采用传统的升压转换器时浪涌IMHz的工作频率降低了外部元件的尺寸和成本，极薄的16脚TSSOP(或8脚50)封装使它们成为无线PCMCIA卡应用的理想选择，如无线LAN(WLAN)和无线调制解调器等。