舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器，实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先，描述甲板滑行任务的过程，在此基础上，建立滑行轨迹控制问题的数学模型，包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次，考虑甲板环境和轨迹控制任务要求，基于模型预测控制思想，将在线滑行路径规划与轨迹控制结合，采用滚动优化方法计算出舰载无人机实际滑行轨迹，并且得到控制指令信号。最后，以“尼米兹”级航母为例，对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算，结果表明了模型的合理性和算法的有效性。      

不同迎角下脊形前体绕流数值模拟研究

脊形前体有较强的背风涡流场,不同的前体形状对前体涡流场和气动力有很大的影响。本文针对脊形前体飞行器大迎角湍流大分离流动计算的困难,采用IDDES混合湍流模型,以及与之匹配的非定常算法,研究了不同来流迎角下脊形前体的气动特性,以及背风涡非定常演化、破裂的细致流动结构。选取了不同脊形角,以及不同上、下高宽比的脊形前体进行计算。计算结果表明,在迎角较小时,随着迎角的增大,前体主涡会逐渐增强,在迎角较大时,前体主涡破裂;在相同迎角下,脊形角较小时,前体涡较强,涡升力也更大;对于相同脊形角的前体,当上半截面高宽比较小时,前体主涡强度较大,前体涡破裂临界迎角较小,即会提前破裂。     

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。     

基于连续损伤模型的复合材料波纹梁压溃分析

复合材料的耐撞性受到了广泛重视,而波纹梁因其优异的抗屈曲构型被广泛应用于飞机翼梁和直升机底板等经常发生碰撞的结构中。进行了复合材料波纹梁的屈曲分析,研究了高度对波纹梁破坏模式的影响。建立复合材料波纹梁的连续损伤单波模型,层内基于Hashin判据建立含损伤因子的损伤刚度矩阵,层间根据二次名义应力准则和B-K准则模拟损伤演化,并通过典型复合材料波纹梁压溃试验验证了所建立模型的正确性。基于单波分析模型,通过施加周期性边界条件和反对称边界条件,研究了多波结构的吸能特性。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架，它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先，本文介绍了联邦学习的基本概念和威胁模型，有助于理解其面临的攻击。其次，本文总结了由内部恶意实体发起的3种攻击类型，同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较，进一步讨论了该领域未来的发展方向。     

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离，在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题，利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势，提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络，输入歌曲的时频谱图到网络，得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构，得到伴奏和歌声的时域信号。实验表明，在公开数据集MIR-1K上，所提算法的SNR、SIR、SAR指标均优于当前代表性算法，提高了分离后伴奏和歌声的质量。