直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

新一代战斗机非定常流动数值研究综述

新一代战斗机强调超机动能力和强隐身性，其中大攻角下的静态失速、动态失速及内埋弹仓绕流是与高机动和强隐身密切相关的、极具挑战的几类典型的非定常流动，它们对数值方法提出了极高的要求。为了高精度地仿真流场、清楚地揭示流动机理，有效地控制非定常流动，非常有必要发展高精度且高效率的RANS-LES混合方法体系，包含RANS-LES混合方法本身、与RANS-LES混合方法匹配的高精度自适应耗散格式、基准湍流模式、高质量计算网格、高精度时间推进方法、非定常量的统计方法等，具有极强的紧迫性。提出、发展、验证并应用该类方法数值仿真新一代战斗机（包括单独部件、组合体、甚至全机）的非定常流动，数值预测结果与风洞实验数据吻合良好；此类方法可为新型战斗机设计提供理论依据和分析手段。     

变体辅助的无人机栖落机动模糊控制设计

无人机（Unmanned aerial vehicle， UAV）的栖落机动是一种大幅度的俯仰运动，易引起升降舵操纵力矩饱和。本文以变体方式增强无人机的俯仰操纵能力，并研究其对应的控制设计方法。首先对栖落机动建立了纵向动力学模型，并通过采用轨迹线性化和张量积变换方法转换得到T-S模糊模型。基于Lyapunov稳定理论和平方和方法，设计了满足控制输入约束的栖落机动多项式模糊控制器。对非变体与变体下的栖落机动控制过程进行了仿真，结果验证了控制律的有效性，并且表明变体辅助的无人机具有更强的操纵性能，能提高栖落机动中升降舵的抗饱和能力。     

航空发动机限寿件疲劳可靠度计算新方法

针对目前的航空发动机限寿件（ELLP）疲劳可靠性分析中的小失效概率事件以及其极限状态函数具有较强非线性的特点，提出了一种具有自更新机制的半径外自适应重要抽样（AUMCROAIS）疲劳可靠性分析方法。该方法首先利用蒙特卡罗自适应重要抽样（MCAIS）快速逼近真实设计验算点（MPP）附近，随后以近似设计验算点为中心进行极坐标抽样，并依次构造主动学习函数，对近极限状态函数和抽样半径进行最优选取，从而实现最优抽样半径的更新，通过不断的更新确定出最优抽样半径，加速失效概率计算的收敛。本方法提高了设计验算点的收敛速度同时保证了计算精度，解决了小失效概率事件以及强非线性极限状态函数可靠度计算难题，最后以某型发动机压气机轮盘为对象应用本方法，并与传统的蒙特卡罗仿真（MCS）方法、蒙特卡罗半径外自适应重要抽样法（MCROAIS）和一阶可靠性方法（FORM）进行了对比，验证了本方法的高效率、鲁棒性和仿真精度。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

三维自适应终端滑模协同制导律

针对多枚导弹协同作战的问题,且多枚导弹之间保持有向拓扑通信的条件下,基于终端滑模法设计了视线方向及视线法向的双层协同制导律。其中,视线方向的制导指令能够保证导弹同时完成拦截任务;视线法向上的三维制导律能够保证每枚导弹以期望的视线角攻击目标,从而发挥各枚导弹的最大杀伤力,并且视线角的约束相当于规划了末制导段导弹的弹道问题,在一定程度上避免攻击目标前导弹间发生碰撞。同时,针对所设计的滑模制导律设计了新的自适应律,从而加快了滑模面的收敛速度并且削弱了由符号函数引起的系统抖振现象。基于李雅普诺夫稳定性理论,证明了所设计制导律的正确性,并在最后给出了数学仿真实验,验证了所设计制导律的有效性及优越性。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

民用航空发动机航线维修专家系统设计分析

为了缩短民用航空发动机航线维修的时间,提高航线维修效率,降低航班延误率,针对民用航空发动机航线维修工作的特点,提出了基于故障特征利用模糊技术建立专家系统的模糊知识库,并结合智能检索技术建立民用航空发动机航线维修专家系统的方法,该方法能够提高专家系统解决问题的准确性和时效性。重点阐述了专家系统模糊知识库构建和智能检索技术的逻辑思路。相比于以关键故障特征为知识点建立的数据库,模糊知识库包含了更全面的故障特征知识。智能检索基于概念或语义检索,相比于关键词检索,对自然语言有更好地理解,便于航线维修工作人员使用。