芯片间时间触发通信综合规划方法及其优化

随着片上系统（SoC）的处理能力逐渐接近传统的综合核心处理模块，航空电子系统向着微小型综合化的芯片间系统发展；时间触发交换式互连可以保证芯片间消息传递的严格时间确定性。考虑芯片间互连交换结构轻量化和收发端口有限的特点，在拓扑、路由和调度时刻等网络资源相互制约的条件下，提出了芯片间时间触发通信综合规划方法，即根据时间触发消息集合和芯片端口配置，同时求解得到芯片间网络拓扑结构、消息路由和调度时刻表的规划结果。其中，采用免疫算法整体优化了各条消息在网络资源分配过程中的求解次序。仿真实验表明，与不考虑整体优化的综合规划方法相比，优化后的规划结果在减少拓扑结构中多余路径开销的同时，避免消息传输路径拥堵，降低消息端到端延迟，保证了消息集的可调度性。      

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。      

连续变弯度翼型动态气动特性数值模拟

针对翼型后缘连续变弯度运动中后缘边界精确数值模拟的问题，提出了基于二维多项式的时空曲面拟合方法，实现了对后缘边界时空位置的精确模拟。在此基础上，基于OpenFOAM发展了翼型后缘连续变弯度与大幅度俯仰运动耦合的运动边界数值模拟，并计算了翼型耦合运动的气动力，讨论了后缘线性/非线性变形对翼型大迎角动态气动特性的影响规律。结果表明:后缘运动对翼型俯仰运动的升阻特性影响显著，特别在翼型大幅度俯仰时后缘非线性变形对升阻特性改善效果比线性变形大6%~10%。同时还研究了翼型俯仰与后缘变形运动相位差对气动特性的影响。特别地，当相位差为180°时，后缘运动使动态失速时的最大升力提高50.3%，平均升力提高34.6%；当2种运动相位差为0°时，后缘运动使动态失速时的最大阻力降低39.7%，平均阻力降低30.2%，最大升阻比提高22.3%，平均升阻比提高16.8%；同时，翼型在动态俯仰过程中出现负阻力现象，对产生负阻力的原因进行了分析。这些结果可用于指导连续变弯度后缘控制律的设计。      

基于改进GERT的任务过程时间特性建模分析方法

随着系统任务需求的日渐密集，用户对系统的时间特性提出了更为严苛的要求。首先，利用图示评审技术（GERT）构建系统任务流程的随机网络模型，针对任务中由于资源共享引起的活动排队执行以及部分上下游活动之间存在重叠的情况，基于排队论并引入时间因子以修正任务中各活动的执行时间，并给出任务执行时间的求解步骤。经考虑这2种情况，最终任务平均执行时间增加了22.9%。其次，通过不确定性分析，找出了任务中的关键活动，为进一步任务优化提供方向和思路。最后，以舰载机着舰任务为例进行案例应用分析，验证所提建模分析方法的有效性和适用性。      

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

一种圆柱物料装填机器人残余振动抑制方法

为提高载具内的物料装填效率，提出了一种在载具内受限空间中使用的新型圆柱物料装填机器人，并通过优化关节轨迹，对机器人末端残余振动进行抑制。首先，给出物料装填机器人的总体设计方案和工作流程。然后，结合物料装填机器人的结构特点，应用拉格朗日方法建立封闭形式的刚柔耦合动力学模型，并应用模态分析方法得到机器人末端动态响应计算方法。最后，以物料装填机器人关节残余弹性势能最小为优化目标，使用最大最小蚂蚁系统，对机器人关节轨迹进行优化，并对优化结果进行仿真验证。仿真结果表明，优化后的关节轨迹，在满足快速装填要求的基础上，可以降低约34.4%的关节残余弹性势能和约37.6%的机器人末端振动振幅。      

基于脑电功率谱密度的作业人员脑力负荷评估方法

脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验，记录16名被试的NASA任务负荷指数（NASA-TLX）量表数据和脑电（EEG）信号，提出了一种基于脑电功率谱密度（PSD）和支持向量机（SVM）的个体脑力负荷评估方法。结果表明：随着实验设计脑力负荷水平增加，被试的主观脑力负荷得分显著提高（p<0.001），这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上，通过网格搜索法确定个体脑力负荷评估模型的统一优化参数，惩罚系数取3 000，核函数参数取0.000 1，模型测试正确率达到0.966 5±0.029 8，宏平均的受试者工作特征曲线下的面积（Macro-AUC）达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法，为后期作业人员脑力负荷状态的实时判别提供模型基础。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同，提出了基于高置信局部特征的车辆重识别优化算法。首先，利用车辆关键点检测获得对应的多个关键点坐标信息，分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性，提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理，根据局部区域分割信息，对卷积得到的特征张量进行空间维度上的切割，获得代表全局信息和关键局部信息的特征张量。然后，通过全连接层特征张量转化为表示车辆个体的一维向量，计算损失函数。最后，在测试阶段使用全局特征，并利用训练好的车标扩散区域提取分支获得高置信局部特征，缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试，验证了所提算法的有效性。      

钇稳定二氧化锆火焰传感器的静态响应特性

以钇稳定二氧化锆（YSZ）火焰传感器为研究对象，利用马弗炉，在873~1 523 K的温度范围内，测量了YSZ火焰传感器对温度的静态响应，获得并分析了传感器的静态校准曲线与静态响应特性。结果表明，YSZ火焰传感器的线性度为12.88%，24 V激励电压下的平均灵敏度为10.02 mV/K，迟滞与重复性指标分别为2.13%和2.22%，传感器间的互换度为1.22%。采用Boltzmann函数能够较为准确地拟合YSZ火焰传感器的静态校准曲线，误差小于±3.5%。YSZ火焰传感器的非线性特征明显，精密度与互换性良好，灵敏度较高，总体性能良好。相较于火焰检测中常用的热电偶和离子火焰传感器，YSZ火焰传感器对火焰温度的响应信号更为稳健，能够有效提高火焰检测的准确度与可靠性。