基于平流层风场预测的浮空器轨迹控制

平流层风场环境对浮空器设计和轨迹控制具有重要影响。针对平流层风场建模,以长沙地区2005—2010年的风场数据为例,首先采用本征正交分解（POD）方法对风场数据进行降阶处理;然后分别采用Fourier级数与BP神经网络算法对平流层风场进行预测,并对2种模型的预测精度进行比较分析;最后通过建立临近空间浮空器的动力学模型和高度调控模型,分析2种风场预测模型对浮空器轨迹控制的影响。研究结果表明,相对于Fourier预测模型,基于BP神经网络预测模型的预测精度更高,可信度更强,能够更好地为浮空器飞行轨迹控制提供参考价值。      

基于本征正交分解的平流层风场建模与预测

平流层风场环境对临近空间低动态飞行器设计和轨迹控制具有重要影响。针对平流层风场建模,提出一种基于本征正交分解(POD)的风场数据降阶方法,在此基础上,提出一种可以对平流层风场进行预测的Fourier模型。以长沙地区2005—2009年风场为例,采用提出的POD方法与Fourier预测模型对风场进行建模与预测,并对Fourier预测精度进行分析。研究结果表明,采用POD方法可以对东西方向风场进行高效率高精度降阶建模;通过Fourier预测模型可以对东西方向风场进行准确预测,预测精度与实际风场随时间变化的规律性有关,风场数据越紧凑,周期性越明显,预测精度越高。      

应用支持向量回归机探索发动机VSV调节规律

发动机可调静子叶片（VSV）调节规律极其复杂,通过挖掘快速存取记录装置（QAR）数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化（PSO）算法的支持向量回归机（SVR）模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSO-SVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。      

平流层飞艇总体设计的基础问题

平流层飞艇是一种新型的长航时临近空间飞行器，具有驻空高度高、驻空时间长、承载能力大、使用效费比高等特点，在对地观测及通信中继等领域具有广泛应用前景。但是该飞行器系统十分复杂，技术与设计实现难度大，总体设计需要考虑的基础问题及解决方案尚不完全明晰。根据平流层大气风场、温度和压力的基础特征，考虑平流层环境对平流层飞艇总体设计的影响，根据空气动力学与热力学基本理论，分析平流层飞艇的显著特征及与常规低空飞艇的区别，研究这些基础问题对平流层飞艇总体设计的影响，为平流层飞艇技术发展提供建议和参考。      

临近空间风切变特性及其对飞行器的影响

基于MERRA再分析资料的风场数据,根据数理统计理论,对酒泉（39.1°N,98.5°E）上空临近空间的20~78 km的大气风场进行了风切变特征分析,并分析了临近空间风切变对飞行器的影响。研究表明,临近空间最多风向在1月和10月为西风,7月为东风,4月在50 km以下为西风,以上为东风;99%概率最大风速在1月最大;最大风引起的风切变存在一定的高度范围。根据最大风和最小风给出了综合矢量风。此外发现临近空间风切变对飞行器产生的风攻角显著,对马赫数为3、5和8的飞行器产生风攻角在69 km最大,分别为8.5°、5.1°和3.2°。      

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

临近空间浮空器区域驻留控制策略研究

为了实现临近空间浮空器区域驻留飞行,基于对热环境的分析,建立了带有副气囊高空气球的空气动力学与热力学耦合动力学模型。基于准零风层特殊风场,设计了临近空间浮空器区域驻留飞行控制策略,通过副气囊调节飞行高度,利用准零风层上下纬向风方向相反的特点实现东西方向控制,用螺旋桨控制实现南北方向控制,并利用ECMWF风场数据进行了数值仿真。仿真结果表明,临近空间浮空器可以在纬度41°(N)~43°(N),经度86.5°(E)~87.1°(E)之间的区域范围内飞行7天,证明了利用准零风层风场实现临近空间浮空器区域驻留飞行的可行性。     

一种基于地转风模型的平流层风场插值方法

平流层风场水平分量的数据精度和密度对高空气球实验的轨迹预测精度和飞行控制精度有着直接的影响。面向平流层风场，提出一种基于地转风模型的插值方法。该方法通过改进科里奥利频率公式，并用二维卷积计算地转风模型，提升了地转风模型的计算效率和低纬度地区风场精度，再用迭代二元线性回归和改进的自适应观测场偏差权重矩阵减小了观测误差对插值结果的影响。实验结果表明:所提插值方法能有效提升平流层风场插值计算速度，并对平流层风场水平分量的插值精度有显著提升。      

基于WACCM+DART的临近空间SABER和MLS温度观测资料同化试验

基于WACCM+DART（Whole Atmosphere Community Climate Model，Data Assimilation Research Test-Bed）临近空间资料同化预报系统，以2016年2月的一次平流层爆发性增温（SSW）事件为例，开展了临近空间SABER（Sounding of the Atmosphere using Broadband Emission Radiometry）和MLS（Microwave Limb Sounder）温度观测资料集合滤波同化试验.结果表明:同化SABER和MLS温度观测资料可显著降低WACCM模式在中间层和平流层中上部（0.001～10hPa）大气温度场的预报误差，改善CR试验在SSW发生时中间层变冷现象偏强、纬向风场首次发生反转的层次偏低以及增温恢复阶段0.1～10hPa的东风层提前消退、纬向风速偏大、平流层顶位置偏高等现象.基于ERA5（The Fifth Generation of ECMWF Reanalyses）再分析资料的检验表明:同化SABER和MLS温度资料明显有利于减小北半球高纬度地区（60°-90°N）平流层中上层和下中间层（0.1～14hPa）纬向风场以及平流层和中间层中下层（0.01～100hPa）温度场的分析误差；同化低层大气观测也有利于减小0.1～14hPa纬向风场和0.01～100hPa温度场的分析误差，但是不如同化SABER和MLS温度资料对临近空间纬向风场和温度场分析误差的改善效果显著.      

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本,高效率,高精度的故障快速定位。     

PSO神经网络在光电探测设备故障诊断中的应用CSCD

针对传统神经网络在光电探测故障诊断中存在故障检测率低、诊断时间长的问题,研究了粒子群优化算法(PSO)优化神经网络连接权值,并将其应用于某型光电探测设备的故障诊断中。实验结果表明,与BP和GA相比,PSO算法更易实现,具有更快的收敛速度、更高的故障检测率、更低的虚警率和更短的故障诊断时间,从而获得了更好的故障诊断效果。     

基于BP神经网络的飞行动态实时预测方法

针对传统Back-Propagation网络(简称BP网络)收敛速度慢、网络灵敏度过高和隐含层数难以确定等缺陷,提出一个改进型BP网络,提高了网络预测的实时性和精确性;然后将之应用到飞行动态预测问题上,充分发挥网络模型的学习、记忆和动态自适应性的优势,力图解决飞行器轨迹的描述和预测问题.      

利用BP神经网络对卫星无热敏设备温度的估测

卫星上测温资源有限，只有部分设备有测温点，难以准确获得其他无测温点设备的温度。基于反向传播（BP）神经网络对复杂非线性系统优秀的拟合能力，建立了估测卫星上无测温点设备温度的神经网络，以在轨有测温点设备温度为输入层，以在轨无测温点设备为输出层，并使用卫星热试验获得的星上温度遥测数据和在轨无测温点设备的热电偶温度数据进行训练和测试。测试结果表明，所建立的神经网络估测精度在1℃以内，可以用来精确估测卫星无测温点设备的温度。针对学习样本对估测误差之间关系进行了研究，计算表明，学习样本的多样性和大数据量能够显著减小估测误差。     

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测，其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据，输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度，输出参量为EEJ.对EEJ预测结果进行了统计学分析，并且与实际观测结果进行对比.结果表明:BP神经网络对事件中EEJ的变化具有很好的预测能力，预测结果能够反映EEJ的重要分布特征；EEJ预测值与观测值之间具有很好的相关性，其中地磁台站观测值与预测值相关性系数可达85%以上.此外，将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比，结果显示BP神经网络与其经验模型性能相当.研究结果表明，BP神经网络技术在平静期EEJ变化预测方面性能优异，具有良好的应用前景.