基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来，卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性，已被认为是最有前途的CNN硬件加速器，但是受FPGA计算能力、存储资源的限制，基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先，研究了适用于三维运算的Winograd算法一维展开过程；然后，通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法，优化算法每个卷积层的时钟周期数减少了7倍左右，相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究，证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度，并改善在FPGA运行CNN的性能。      

反推力装置运动学与动力学仿真

为了研究叶栅式反推力装置各部件在工作过程中的运动学与动力学特性,根据机构运动原理对反推力装置进行简化并建立了运动学与动力学数学模型。以滑动整流罩位移与阻流门所受气动负荷为输入进行运动学与动力学仿真,得到了反推力装置各部件的位移、速度及受力特性曲线,并对比分析了在不同尺寸参数下各部件特征点的运动轨迹和反推力装置负载力变化。结果表明:运动学及动力学仿真结果与工程实际相符；反推力装置机构参数选择不合理时,各设计点会发生干涉现象并导致机构无法运动;机构参数变化对负载力最大值影响尤为突出,在阻流门AC段长度值增大6%,阻流门CB段长度值减小9%的情况下,负载力正向最大值将增大19.53%,负向最大值增大12.67%。研究方法及研究结果可为反推力装置运动学及动力学分析,以及为反推力装置机构优化设计提供参考。      

基于ESO的高超声速飞行器解耦控制

针对高超声速飞行器三通道具有强耦合的问题，提出一种基于扩张状态观测器的全通道解耦控制方法。该方法不需要根据耦合项特点设计耦合补偿模型，而是通过设计扩张状态观测器，将高超声速飞行器耦合项视为扰动，利用扩张状态观测器具有实时跟踪估计扰动的能力，将耦合项扰动估计出来。通过补偿控制来消除耦合的影响，从而完成解耦控制。进一步，通过LQR控制方法完成姿态控制系统的闭环反馈控制律设计，最终实现一种工程上实用的高超声速飞行器解耦控制方法，并通过数学仿真验证了该控制方法的正确性和有效性。     

针对旋翼流场模拟的自适应网格算法

针对基于格心格式求解器的旋翼流场模拟,提出了相应的自适应笛卡尔网格的数据存储结构及自适应算法。给出了相应的单元处理策略,简化了对自适应笛卡尔网格的处理;对于频繁的自适应加密过程中产生的大量重复点,采用了高效的交替数字树算法(Alternating digital tree,ADT)予以删除;对于自适应疏化过程中产生的大量无用点,提出了标记-删除-移动(Mark,delete,move,MDM)算法予以快速地删除,减少了不必要的计算资源消耗。对CaradonnaTung旋翼在不同悬停状态下进行了模拟验证,对比了压力分布系数与桨尖涡位置。之后对HELISHAPE 7A旋翼在前飞情况下进行了模拟验证,计算值与实验值吻合。此外,求解器对桨尖涡的捕捉效果得到了明显的提高,表明本文方法具有良好的有效性与鲁棒性。     

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

涡轮基组合循环发动机分布式控制系统通信网络混合拓扑结构优化方法

涡轮机组合循环(Turbine based combined cycle,TBCC)发动机控制系统通信网络拓扑结构是其分布式控制系统方案设计的重要部分,优化网络拓扑结构可提高发动机推重比和控制系统可靠性。本文基于智能优化算法提出TBCC分布式控制系统网络拓扑结构优化方法。基于图论建立TBCC几何模型和网格模型,以重量和可靠性为优化性能指标,同时考虑发动机表面高温区域以及控制节点的工作可靠性,分别采用粒子群算法和遗传算法优化星形结构中智能中央节点位置、中央节点的环形拓扑结构,获得星形-环形混合拓扑结构。仿真实例表明,基于本文方法优化所得的混合拓扑结构相较于星形集中式控制结构,系统重量降低了51.9%。     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究，将干扰资源调度建模为多目标优化问题，以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型，利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿，以最优解集代替最优解，再根据战场实际情况选择最佳调度方案，使决策方案更加科学合理。实验结果表明，MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷，有较高的搜索效率，算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

杠杆式力标准机自动控制系统

介绍单片机用于杠杆式力标准机控制、实现检定过程自动化的设计方法，重点介绍硬件结构和软件编制。