Near-wall topological patterns and flow structures over a simplified Danaus plexippus model

Studies on the high-lift mechanisms of butterfly gliding flights shed light on the design of the micro air vehicles. The flow field around a simplified Danaus plexippus model is investigated using the hydrogen bubble visualization and the Particle Image Velocimetry (PIV) techniques. There are three near-wall topological patterns with different Angles of Attack (AoAs): the separation bubble, the Leading-Edge Vortex (LEV) and the high AoAs flow. For the separation bubble pattern, two saddles and two foci form in the middle of the model. The features of the LEV pattern are the leading-edge separation lines. The topological characteristics of the separation lines are changed by the interaction between the LEV and the Wing-Tip Vortex (WTV). For the high AoAs flow pattern, four unstable foci are found at the forewing and the hindwing respectively. The angle between the trajectory of the WTV and the model increases with increasing AoA even though the slope of the WTV angle versus AoA curve declines at the moderate AoAs.     

航空电子产品电磁环境效应模块化设计方法

对高强度辐射场（HIRF）环境特点与干扰类型进行分析，采用理论计算、计算机仿真技术（CST）的仿真分析及实测等方法分别对某型飞机航空电子系统综合显示单元的外部强电磁辐射场孔缝耦合、场线耦合及芯片前端电路影响关键芯片的相关规律进行了研究，给出了相关设计建议。结果表明，可通过分析孔缝、场线耦合获得进入关键芯片前端电路的电磁干扰能量，再结合关键芯片前端电路网络对干扰的插入损耗分析，获得关键芯片在外部强场激励下的感应电压。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点；然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

Distributed intelligent self-organized mission planning of multi-UAV for dynamic targets cooperative search-attack

This article studies the cooperative search-attack mission problem with dynamic targets and threats, and presents a Distributed Intelligent Self-Organized Mission Planning (DISOMP) algorithm for multiple Unmanned Aerial Vehicles (multi-UAV). The DISOMP algorithm can be divided into four modules: a search module designed based on the distributed Ant Colony Optimization (ACO) algorithm, an attack module designed based on the Parallel Approach (PA) scheme, a threat avoidance module designed based on the Dubins Curve (DC) and a communication module designed for information exchange among the multi-UAV system and the dynamic environment. A series of simulations of multi-UAV searching and attacking the moving targets are carried out, in which the search-attack mission completeness, execution efficiency and system suitability of the DISOMP algorithm are analyzed. The simulation results exhibit that the DISOMP algorithm based on online distributed down-top strategy is characterized by good flexibility, scalability and adaptability, in the dynamic targets searching and attacking problem.     

战术导弹中小型固体发动机技术的发展

通过对战术导弹中小型固体发动机具体发展需求的分析,明确了高能化、轻质化、可控化和低易损4个主要的中小型固体发动机发展方向。可以从提高推进剂黏合剂密度和燃烧室工作压强来实现高能化;采用轻质高性能金属壳体、纤维缠绕复合材料壳体以及提高绝热层性能以实现轻质化;可控化需要在高功率密度的驱动装置、高精度的控制算法等方面获得突破和支撑;低易损则可以从钝感推进剂、主动扩稳、防护材料等途径开展工作。通过对这4个技术方向上国内外研究现状和发展趋势进行梳理,明确提出未来研究需要突破推进剂和热防护原材料、新型装药工艺、可调燃气阀门、压力闭环控制和有效扩稳等关键技术,加速工程化进程,为我国战术导弹的跨越式发展提供支撑。     

系统参数对电动力绳系动力学的影响

将电动力绳系(EDT)的主星质量、子星质量、绳系质量以及绳系中的电流视为系统参数，研究这些参数对系统的摆动动力学和轨道动力学的影响。哑铃模型下的电动力绳系摆动动力学方程存在不稳定的周期解，通过Floquet理论来衡量周期解的不稳定程度，从而研究各系统参数对摆动动力学的影响。建立了用春分点轨道元素的形式描述的电动力绳系轨道动力学方程，并以降轨时间来衡量电动力绳系的降轨效率，从而研究系统参数对轨道动力学的影响。运用算例对周期解迁移矩阵的特征值、降轨时间随各系统参数的变化关系进行了仿真，分别得出了各系统参数对系统摆动动力学和轨道动力学的影响。综合本文的仿真结果，并考虑实际发射及空间运行中的其它因素，对电动力绳系的设计和降轨策略提出了建议。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点，借助深度学习在多参数寻优上的优势，提出了一种基于卷积神经网络的模型预测控制算法，满足航天工程低硬件需求，实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态，然后将控制过程中状态量用于3层3核卷积神经网络的训练，训练完成后，用该卷积神经网络代替模型预测对组合航天器进行控制，从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数，相比传统模型预测算法所需硬件计算时间降低约5倍，在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制，控制精度在10 -4 量级。     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点，提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验，并采用经验模式分解(EMD)方法对采集的振动信号进行分解，提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明，所提出的Deep-GBM故障诊断准确率达到87%，相对于传统的机器学习模型准确率最高提升了28%，并具有良好的泛化能力。      

强不确定系统“全系数之和等于1”的实现方法

摘要： 研究强不确定系统“全系数之和等于1”的实现方法，强不确定系统指的是系统的静态增益及其界不完全确知且范围较大.“全系数之和等于1”是吴宏鑫院士20世纪80年代发现的，该原理表明，对于未知连续系统，其离散化系统的系数的和在一定条件下是1.该原理的发现对于解决闭环辨识和自适应控制的瓶颈问题具有关键作用.“全系数之和等于1”是在一定条件下成立的.为了实现系统的“全系数之和等于1”，需要对系统进行一定的变换，以满足所需条件.其中，采用静态增益的标称值的倒数进行输入变换的方法在实际中得到了广泛应用.但是，当系统的不确定性较大时，该变换将带来较大偏差.针对该问题开展了深入研究，明确给出了系统静态增益的不确定性与标称值的比值的关系对于实现“全系数之和等于1”的影响.当不确定性与标称值的比值较小时，可以近似实现“全系数之和等于1”；当比值较大时，进一步给出了通过选取合适的采样周期，近似实现“全系数之和等于1”的方法.本文的研究对于特征模型理论在实际中的应用提供了一定的基础.     

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%。