数字高程模型在地形跟随飞行试验中的应用

以某型吊舱的试飞为例，简要介绍了地形跟随飞行试验的特点，并根据其特点提出了一种新的试飞方法，即利用机载GPS和试飞航线上地形的数字高程模型进行地形跟随飞行性能的评估。该方法较好地解决了地形跟随飞行试验中的关键问题。对今后的试飞工作具有一定的借鉴作用。     

三维数字地形图生成技术研究

在论述三维真实感数字地形图生成算法的基础上,结合数字高程模型(DTM)数据,用OpenGL在计算机上实现三维数字地形图的显示。     

基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。     

基于累进传输的三维地形实时优化自适应网格算法研究

 提出了三维地形的累进传输与动态多分辨率表示的完整算法。将小波分解技术用于实现高程域的多分辨率表示、小波重建技术用于高程域的累进重构、分形手段用于低分辨率高程域细节信息的补充、实时优化自适应网格改进算法用于数字高程模型的动态多分辨率表示。算法的实现表明取得了较好的效果。     

某型机械数字视频记录仪的设计与实现

介绍了一种用数字技术实现飞机视频记录的方法 ,并就某型飞机的技术要求设计和实现了机载视频记录系统。文中就数字压缩算法、工程实现中的技术要点和难点做了详细介绍。     

MultiGen视景仿真中大地形与航迹生成方法研究

基于MultiGen进行视景仿真时,为生成大规模地形,可以采用MultiGenVega中的大地形数据库管理模块LADBM在仿真时将多块连续的小地形动态装载,也可以将多块数字高程模型(DEM)或数字高程数据(DED)合并成一个大的DED地形,再利用MultiGenCreator将其转换成OpenFlight模型。大地形中航迹采用点绘方法来生成。     

MPEG-4机载嵌入式记录系统的方案比较与设计实现

机载嵌入式记录系统用于压缩记录机组人员通话和不同视频信号源信息的记录,而MPEG-4是目前较受推崇压缩格式.详细介绍了两种MPEG-4音视频记录系统的方案并对方案进行了比较,最后描述了方案的设计实现.     

涡轴发动机自适应混合诊断模型高斯加权聚类方法

针对整个飞行包线内涡轴发动机健康参数估计问题,提出基于高斯加权聚类的机载自适应混合模型建立方法.机载自适应混合模型由卡尔曼滤波器和神经网络组成,由于飞行数据样本庞大,采用高斯加权模型对涡轴发动机飞行数据进行实时聚类,利用聚类数据更新神经网络权重,并实现自适应混合模型工作范围的自动扩展.仿真结果表明了该方法的有效性,采用...     

基于范例推理的智能故障诊断在机载系统中的应用研究

为了实现机载系统故障诊断的自动化与智能化,构造了以粗糙集为理论基础、基于范例推理(CBR)的智能故障诊断模型,并将其应用于机载武器系统发射故障诊断中,对机载武器系统发射故障诊断模型进行仿真分析。结果表明,CBR的智能故障诊断模型理论可行,具有较高的准确率,使用该方法可以对机载系统进行故障诊断。     

机载令牌传递网络的计算机仿真研究

从机载令牌传递网络的基本原理出发,建立了网络模型,按照计算机仿真的一般方法建立了系统的仿真模型,给出了仿真程序的实现,进而对仿真模型的有效性进行了验证,并给出了机载环境下的性能仿真。     

基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。     

基于改进RBF神经网络的某型机载雷达电路故障诊断

RBF神经网络在故障诊断中的应用是一个十分热门的研究课题。但RBF神经网络用于故障诊断需要大量的隐含层节点,隐含层节点越多其训练时间越长。针对此问题,提出了一种改进的RBF神经网络故障诊断方法。通过仿真实例,可以看出隐含层的节点大大减少,训练时间缩短,该方法用于雷达故障诊断非常有效。     

基于进化神经网络的压气机结垢性能退化评估

采用进化神经网络方法,通过测量参数对压气机结垢性能退化模式进行了定量监控和评估。运用粒子群算法优化径向基函数(Radial Base Function,RBF)神经网络的初始权值,即由神经网络训练样本所得到的实际和期望的输出之间的误差平方和构造适应度函数,对RBF神经网络的隐层中心、半径以及输入输出权值进行全局寻优搜索,设计了进化RBF神经网络,并对模拟得到的压气机结垢的样本进行训练和测试。结果表明:进化RBF神经网络的模式识别能力比普通RBF神经网络的要强,对燃气轮机性能退化评估和健康管理具有重要理论意义和应用价值。     

CFD在概念-初步设计阶段三维气动外形优化中的应用

在飞行器概念-初步设计阶段,建立基于CFD的气动优化链对于提高优化计算的效率具有较好的工程应用价值。使用德国宇航院开发的CPACS数据格式给出飞行器平面形状,结合NURBS翼型参数化方法对飞行器几何外形进行参数化;自动生成计算网格并求解Euler方程数值模拟流场以评估参数化气动外形的气动特性,进而构建响应面模型;使用SQP梯度算法搜索响应面模型以获取满足约束的最优解。以Onera M6机翼为例,对该优化链进行验证。结果表明:在满足约束的条件下,基于CFD的气动优化链能够成功地进行气动外形优化。     

天线-罩系统的分析

本文利用平面波谱概念,经恰当地选取离散抽样点,通过数值算法比较全面地分析了罩对天线方向图的影响,除常规的视轴误差分析之外,着重计算了交叉耦合场和由罩壁反射引起的天线远场方向图中的闪烁瓣,并讨论了这些影响随天线扫描角的变化规律。     

基于CWT-CNN的齿轮箱运行故障状态识别

针对传统故障诊断中提取的特征不具有自适应能力、很难匹配特定故障的问题,提出了一种基于连续小波变换（CWT）和二维卷积神经网络（CNN）的齿轮箱故障诊断方法。该方法对齿轮箱故障振动信号采用连续小波变换构造其时频图,以其为输入构建卷积神经网络模型,通过多层卷积池化形成深层分布式故障特征表达。利用反向传播算法调整网络各层的结构参数,使模型建立从信号特征到故障状态之间的准确映射。在不同工况和不同故障状态下的实验中,故障识别准确率达到了99.2%,验证了方法有效性。采用这种自适应学习信号中丰富的信息的方法,可以为故障诊断智能化提供基础。      

利用信号特征的风电场对二次雷达影响评估

研究表明风力发电场可能会影响航管雷达系统,导致其工作性能下降,因此准确评估风电场对航管雷达的影响具有重要意义。利用二次雷达信号特征给出了一种风电场对二次雷达影响的评估方法。首先根据二次雷达信号特征从风电场反射信号干扰方面分析了风电场对航管二次雷达可能产生的影响．然后阐述了以反射信号的时延来划分风电场影响区域的评估方法。最后通过在DEM（digital elevation model数字高程模型）数据上的仿真实验来验证本文评估方法。     

机载网络时间触发通信调度设计优化与评价方法

机载网络是航空电子系统实现信息传输与功能综合的关键组成,引入时间触发（TT）机制并安排合理通信调度可以有效保证机载网络实时可靠通信,但需要首先面对多种调度设计方法的选择问题。在总结了时间触发通信过程与特征的基础上,以时间触发以太网为分析对象,给出了基于可满足性模理论（SMT）、混合整数规划（MIP）和启发式算法等不同约束引导下的调度模型,并形成了基于强化学习（RL）的调度方法;从调度设计的求解能力与性能保障角度出发,建立了包括求解时间、可求解规模、传输延迟和调度模式的评价指标。以工业规模网络为研究案例对不同调度方法进行了验证分析,在评价指标的引导下对比分析了各种方法的适用场景,其中SMT方法可支持小规模案例,MIP方法具有明显的TT消息传输和调度求解运算优势,以遗传算法为典型的启发式方法和RL方法可实现大规模案例调度,虽然其TT延迟略高于MIP方法,但速率约束消息延迟优化程度分别达到7.97%和12.35%。在此基础上,进一步探讨了未来航电系统机载网络时间触发通信调度设计优化技术的发展趋势。     

基于滑窗检测的机载设备故障诊断仿真系统

根据机载设备故障诊断的需求,结合飞机性能监控系统的结构框架和机载设备的特点,提出基于快速存取记录器（QAR）记录的飞行数据和滑窗检测原理的机载设备故障诊断算法,并实现相应的机栽设备故障诊断仿真系统。在简述QAR数据译码与数据选择方法的基础上,论述了滑窗检测的原理并对其性能进行分析：设计实现了基于QAR的机载设备故障诊断仿真系统并给出仿真结果。结果表明,该系统可以有效诊断存在的故障,并能大大降低虚警概率,对保障飞行安全具有重要意义。     

PSO-RBF神经网络在舵机系统故障诊断中的应用

文章建立了基于RBF神经网络的故障观测器模型,提出了一种将粒子群优化算法(PSO)与正则化正交最小二乘法(ROLS)相结合的2级RBF学习方法,并将该RBF网络观测器应用于导弹舵机系统的故障诊断.实验结果表明,基于该RBF神经网络的故障观测器能够有效地实现导弹舵机系统的故障检测.