基于控制力矩陀螺的BTT飞行器协调转弯控制

针对倾斜转弯(BTT)飞行器进行横向机动时会产生侧滑角的问题,提出一种考虑通道耦合因素的协调转弯控制方法。采用了一种基于单框控制力矩陀螺(SGCMG)的侧滑角抑制执行机构来替代方向舵、矢量推力发动机等传统执行机构。建立了加装控制力矩陀螺的BTT飞行器横向机动时的多变量强耦合非线性倾斜转弯动力学模型。根据BTT飞行器横向机动时的协调转弯要求,设计了一种基于非线性反馈和线性二次型最优算法的解耦综合控制器。计算结果表明:协调转弯控制系统可实现滚转角指令的良好跟踪和侧滑角的有效抑制。     

基于虚拟现实(VR)的飞机部件装配工艺技术研究与应用

针对飞机部件装配产品批量小、型号多、装配工序复杂、精度要求高等问题,开展了基于VR的虚拟装配技术研究。产品在制造生产前,工艺人员在虚拟环境下规划产品的装配顺序和路径、选择工装夹具和操作方法,验证装配工艺设计的合理性,及时发现工艺中存在的各种设计缺陷、结构干涉等问题,直观科学地分析装配对象的可操作性、可视性、可达性,根据虚拟仿真模拟,修改和优化工艺方法、工装结构及生产线布局等,最终生成科学合理的产品装配工艺方案,缩短装配周期、降低装配成本、提高部件装配质量。     

涂覆吸波材料圆柱的RCS预估方法

用缩比模型测量结果预估是研制阶段获得大尺寸目标雷达散射截面（RCS）的常用方法，但根据经典电磁相似理论，严格满足缩比条件的涂覆吸波材料缩比目标测量难以实现。针对涂覆吸波材料缩比目标的RCS预估问题，提出了采用多元对数线性回归模型的预估方法。设计了2组圆柱模型，在微波暗室中对缩比因子分别为1、2、4、8的2组模型进行了测试。在完成角度矫正等数据预处理基础上，将缩比模型RCS数据作为训练集代入模型当中求得参数，对原模型的RCS进行预估并与实际实测数据进行对比分析。结果表明:所提方法预估数据与实测数据曲线拟合度较好，相较于传统平方率模型，误差下降了3~5 dB，在回归模型中加入吸波材料因子后误差进一步下降了0.3~0.8 dB。      

胶铆混合修补铝合金板的疲劳性能研究

针对胶铆混合连接方式单面修补铝合金板的疲劳性能，设计了未修理、铆接修理、胶接修理和胶铆修理4种不同形式的试验件，对其进行了疲劳试验。建立了试验件的有限元模型，得到了结构应力分布，获得了裂纹长度-裂纹尖端应力强度因子（SIF）曲线，并与试验结果进行了对比。结果表明:胶接修理和胶铆修理能有效降低裂纹处应力水平及裂纹扩展速率，且相对于未修理试验件疲劳寿命分别提升184.3%和197.3%；胶铆修理中铆钉能抑制胶层脱黏，相比胶接修理方式修理质量更可靠有效；有限元分析（FEA）结果与试验数据吻合良好，SIF误差基本保持在8%以内。      

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段；其次, 应用UKF对融合的时变参数进行滤波处理；最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。     

基于代价敏感剪枝卷积神经网络的弹道目标识别

为降低弹道目标整体误识别代价，提出了基于代价敏感剪枝（CSP）一维卷积神经网络（1D-CNN）的弹道目标高分辨距离像识别方法。首先，基于彩票假设提出了同时以降低模型复杂度和误识别代价为目标的统一框架；然后，在此基础上，提出了基于人工蜂群算法的网络结构无梯度优化方法，以网络结构搜索的方式自动地寻找1D-CNN的代价敏感子网络，即代价敏感剪枝；最后，为了使代价敏感子网络在微调过程中仍以最小化误识别代价为目标，提出了一种代价敏感交叉熵（CSCE）损失函数对训练进行优化，使代价敏感子网络侧重对误识别代价较高的类别正确分类来进一步降低整体误识别代价。实验结果表明:结合CSP和CSCE损失函数的1D-CNN能在保持较高的识别正确率的前提下，相比传统的1D-CNN具有更低的整体误识别代价，且降低了50%以上的计算复杂度。      

一种连翼飞行器气动和飞行力学迭代仿真方法

根据连翼布局飞行器气动力和力矩的分布特点，建立了面向其气动部件的飞行力学数学模型。将计算流体力学(CFD)和飞行力学仿真结合，采用时间步长离散，建立了一个能通过气动计算和飞行力学相互迭代来完成仿真全过程的面向连翼布局飞行器气动部件的仿真平台，并且在仿真过程中能全程监测所有部件的气动、动力学、姿态和航迹参数的变化。通过该仿真平台对不同输入信号作用下的动力学响应分析了连翼布局飞行器纵向和横侧向的动力学特性。仿真分析结果表明:该连翼布局飞行器纵向具备静稳定性，但横侧向不具备静稳定性。同时，横向和航向运动耦合明显，符合荷兰滚运动偏航及侧滑振荡明显的主要特征。所提方法可为了解连翼布局飞行器本体及飞行动力学响应特性、飞行品质和飞行安全研究等工作提供分析基础。      

一种数字电路电磁传导发射多源模型提取方法

基于电磁干扰要素理论，提出一种数字电路电磁传导发射多源模型提取方法，用于解决数字电路电磁传导发射的建模问题。以电磁干扰要素理论为出发，综合考虑数字电路模块特点，将数字电路电磁传导发射模型划分为若干基本要素和扩展要素。针对数字电路时钟信号特征，选取梯形脉冲序列为基本要素形式，提出一种改进的联合估计算法用于提取基本要素参数及对应扩展要素系统传递函数模型；针对数字电路多源共存的情况，提出一种基于自相关函数的多源辨识分离方法，从而实现从一组测试数据中识别出多个基本要素及对应扩展要素，并最终完成数字电路电磁传导发射的建模。仿真及实验结果验证了所提方法的可行性和准确性。      

基于特征序列的时域STBC-OFDM盲识别算法

为有效解决STBC-OFDM信号盲识别过程中存在的低信噪比适应能力弱等问题，在OFDM块大小已知的前提下，提出了一种在时域上构造特征序列的识别算法。该算法推导了空时分组码接收信号的时域特性，以及四阶特征向量，并构造特征序列，通过检测特征序列达到识别4种STBC-OFDM信号的目的。推导和仿真结果表明:所提算法无需信道、噪声、调制方式和OFDM块起始位置等先验信息，在较低信噪比条件下也具有良好的识别性能，且对频偏、多普勒频移和时延的鲁棒性能好，计算量较低，具有较高的实用价值。