无缓凝剂磷酸镁修补砂浆的力学性能实验研究

磷酸镁水泥(Magnesium phosphate cement,MPC)是一种快速修补型胶凝材料,具备快硬、早强、高强、粘结力强、耐久性好等优点。首先运用正交试验方法,通过控制胶砂比、氧化镁与磷酸二氢盐的物质的量比(M/P)和水胶比,确定了基准MPC修补砂浆的最优配合比。然后研究了粉煤灰和磨细矿渣对MPC修补砂浆抗压强度和抗折强度的影响,分析了其强度特征。结果表明,MPC修补砂浆的最佳M/P比为6∶1,胶砂比1∶1。掺加粉煤灰的MPC修补砂浆具有较高的强度尤其是抗折强度,适宜作为道路与机场道面的快速修补材料。掺加磨细矿渣的MPC修补砂浆,其力学性能不如掺加粉煤灰的MPC修补砂浆。此外,MPC修补砂浆的抗折强度和抗压强度之间具有密切的线性相关关系,且与养护龄期、原材料来源与烧结温度、是否掺加缓凝剂和矿物掺合料、M/P比和水胶比等因素无关。     

考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

贫燃熄火实验预测方法综述

贫燃熄火（Lean Blowout，LBO）属于一类特殊的不稳定燃烧现象，往往导致严重后果。因此，及时准确地预测出贫燃熄火现象是实现燃烧稳定性控制的一个重要前提。本文综述了2000年以来，基于化学发光信号、可见光谱颜色信号、温度信号、声压信号和离子电信号预测LBO的原理，以及其采集方式和各自特点。接着介绍了将这些信号进行分析处理得到控制参数的5类方法，分别为统计法、阈值-事件法、频谱法、符号法和非线性动力学法，将这些方法进行综合比较，评价了其预测效果。最后从实际应用的角度出发，对贫燃熄火检测技术的未来发展提出展望。     

类IXV飞行器初期再入制导与姿态控制方法研究

摘要： 针对类IXV飞行器无翼式升力体构型及采用RCS/尾襟翼组合控制特点，研究其初期再入段的高精度制导与姿态控制方法.设计带过程约束的数值预测 校正制导律以提高制导系统的鲁棒性及精确性；根据其执行机构配置特点，设计基于RCS的航向控制律及基于RCS/气动舵的纵、横向复合控制律，并采用鲁棒伺服LQR技术进行控制参数快速设计.通过蒙特卡洛打靶仿真来验证算法的精度及鲁棒性.     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征；其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力；最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

基于eN转捩预测方法的翼型低雷诺数气动性能分析

小型无人机由于尺寸较小,飞行速度较低,使得绕其机翼的流动雷诺数一般较低,处于低雷诺数范围。由于在低雷诺数流动中容易产生层流分离并转捩为湍流,故准确预测层流分离并预测转捩的发生对气动特性特性的计算至关重要。文章采用基于e~N转捩预测方法的XFOIL软件对两种较为常见的微小型飞行器的共四种翼型在低雷诺数流动中的气动性能进行了计算分析,结果表明CLARKY翼型比Benedek 10355B翼型更适合小型侦察机,而MH114和MH115两种翼型均比较适合小型载重机。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。