基于最大熵法的捷联惯组历次测试数据验前分布研究

研究在验前信息贫乏的情况下,使用异源验前信息确定捷联惯性测量组合(简称捷联惯组)历次测试数据验前分布的方法.将熵的概念引入验前分布的研究中,研究了在小样本条件下通过最大熵法确定捷联惯组历次测试数据验前分布的方法.研究结果表明这种方法能够准确有效地揭示捷联惯组历次测试数据的统计特性,克服了验前信息不足带来的统计分析误差,有效的提高了统计分析的质量.     

复合材料结构三维有限元分析的材料参数

在调研现有文献复合材料结构三维数值分析中材料参数的基础上,阐述了基于单层板材料性能数据建立复合材料三维材料参数的方法.通过对复合材料π接头结构的三维数值模拟和试验,研究了三维材料参数中不确定参数对结构刚度预测的影响;分别采用三维修正的最大应力准则、最大应变准则、蔡-胡准则和Hashin准则评价π接头的初始破坏,结合试验数据,研究不同失效准则对复合材料π接头结构的适用范围以及材料参数对初始破坏强度预测的影响.研究工作可为一般层合复合材料结构的三维建模提供参考,并为深入理解复合材料π接头结构力学性能、准确预测其破坏强度提供理论支持.     

对称驱动方腔定常流动的多解现象研究

对方腔内顶盖正弦速度驱动的定常流动进行了数值研究.采用非线性动力系统数值分岔分析方法,讨论了Re<2000时Navier-Stokes方程定常解的多解共存现象,计算了对称和非对称定常解的分岔曲线和相应的流动模式,给出了非对称解出现的临界参数Re=320,稳定的对称和非对称解同已有文献的结果一致,并获得了一组新的不稳定的非对称解.随着Re数的增加,侧壁出现流动分离并有小涡出现,随之发生流场拓扑结构分岔,但并不伴随N-S方程解的分岔.     

RLV再入姿态双环滑模控制及舵喷混合配置

应用滑模控制设计了一种可重复使用运载器（RLV）再入姿态控制器,该控制器应用双环的滑模控制方案,可以获得对角速度及角度的同时跟踪,并具有较好的鲁棒性和解耦性能。针对RLV再入姿态的动力面与反作用混合控制的特点,运用优化控制选择配置算法把控制力矩指令配置为末端受动器的控制指令,分别由动力面与反作用致动器来执行。再入姿态仿真验证了该方法的精度、鲁棒性以及解耦的跟踪性能及有效性。     

直升机尾桨涡环飞行试验研究

根据样机右侧飞的飞行试验,对尾桨涡环现象进行了计算分析;根据右侧飞试验结果,估算出样机悬停回转时尾桨处于涡环状态的偏航角速度范围;将试验结果与国内外的涡环状态判据进行了对比。结果表明,国外的涡环判据不适用于样机的尾桨涡环状态判定,国内的高-辛判据与试验结果一致。     

广义离散随机线性系统的最优调节器

讨论广义离散随机线性系统在二次型性能指标下的最优控制问题。导出的最优控制律由系统输出和部分状态的线性反馈构成,这不仅降低了滤波的黎卡提方程的阶次,显著地减少了计算量,而且在工程中也是可实现的。     

大气数据-惯性组合导航系统

大气数据-惯性组合导航系统的原理框图如图1所示。该系统包含低精度惯导系统、大气数据计算机、磁感应式航向传感器、卡尔曼滤波器及控制器等部分。系统有两种工作方式。第一种工作方式中,开关S_1和S_2均闭合。第二种工作方式中,仅S_1闭合,磁航向只用于惯导系统的方位粗对准,惯性平台航向用于分解真空速向量。本文研究系统在第二种工作方式中的性能。     

含有V型垂尾飞机的舵面配置

现代飞机为满足先进控制技术实现和满足一定的可靠性和机动性,要求安装较多的控制舵面,为了使飞机安装舵面之间产生的操纵效能达到最佳,需要对舵面的位置、附体安装角等因素进行配置。借用飞机重构控制方法,采用Moore Penrose逆法,对飞机的操纵效能提出了一套直接控制冗余算法,使操纵舵面之间达到最佳配置。结合国内某型号飞机含有V型垂尾在配平时的数据验证算法正确性。     

共信道干扰环境下星基ADS-B系统监视性能

星基广播式自动相关监视系统（星基ADS-B）是实现广域范围内航空器监视的主要技术手段。为揭示星基ADS-B系统共信道干扰对系统监视性能的影响，提出了星基ADS-B系统监视容量的计算方法。首先给出了星基ADS-B系统模型，随后理论分析给出消息正确接收概率、位置消息更新间隔及位置报告更新间隔的计算公式，以此为基础给出了星基ADS-B系统监视容量的计算公式，最后基于SNS软件构建了星基ADS-B仿真系统，仿真验证了理论结果的正确性。研究表明：星基ADS-B系统的监视容量由ADS-B应用子系统所要求的航空器位置报告更新间隔、航空器-卫星链路的误码率、星-地面站链路的误码率及卫星数目联合确定。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法，首先回顾了图像分类技术的发展历程，接着介绍了图像识别技术中的分类器，并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用，详细阐述了多种图像分类技术，具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时，对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后，从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。