先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志，飞机飞行包线的扩大已超出传统的大气数据系统测量范围，可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象，基于过失速机动飞行试验的数据，开展大气参数估计与验证研究。结合过失速机动的时间与空间特性，研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法；针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性，进一步构建深度神经网络，对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计，过失速机动过程中融合迎角误差优于2.3°，融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中，轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点，提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上，将HGV的机动运动分解为纵向运动模式和侧向运动模式，进而对运动模式的特征参数予以标定，形成SVM的训练集。建立地基单雷达轨迹跟踪模型，采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM，建立了HGV运动识别框架，实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证，结果表明，所提方法可以提高对该类目标的轨迹预报精度。      

波音737MAX飞机机动性能增强功能分析

介绍了波音737MAX的机动性能增强功能(MCAS),以及此功能的工作特点,并解释了印尼狮航坠机的原因。     

脉冲电流大厚度电解线切割加工试验

航空航天难加工材料直纹面构件的高精度高表面完整性加工已经成为制造领域普遍关注和亟需解决的难题，电解线切割加工在高表面完整性要求加工场合上具有原理性优势。建立脉冲电流电解线切割加工模型，分析了工件厚度变化带来的影响。试验结果表明：随着工件厚度增加，电解液电阻减小，工件两端极间电压减小，加工缝宽变窄；双电层时间常数增大，脉宽时间内充电所能达到的电位降低，有效加工时间变短，平均电流密度较低；脉冲频率大于20 kHz时，最大进给速度随频率增加而快速减小，低于20 kHz时，最大加工速度差别较小。最后，采用脉冲频率20 kHz，以进给速度4 μm/s稳定加工出20 mm厚榫头/榫槽结构，表面粗糙度约为0.449 4 μm，表面质量、加工效率明显高于100 kHz加工效果。     

粉末燃料的沉降速度和最小流化速度分析

粉末燃料输送技术是粉末发动机的核心关键技术之一,目前所用的气动活塞式粉末输送方案还处于概念设计阶段。采用多个经验公式对某密度为2.5 g/cm~3、粒度为20～300μm的粉末燃料颗粒沉降速度和最小流化速度进行了计算分析,得到流化气温度、压强、颗粒粒度等对最小流化速度的影响规律。分析表明,最小流化速度比沉降速度小得多,按照沉降速度设计流化气速度自然能够满足最小流化速度的要求;高温高压下的粉末沉降速度较常温常压下的小,因此按照粒度较大的颗粒在常温常压下的沉降速度设计流化气速度,就能够同时保证所有颗粒在所有工况下的气力输送,该速度为2.5 m/s。     

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。