基于机器学习的智能控制数值虚拟飞行方法

提出并实现了一种基于机器学习的PID智能控制策略下的数值虚拟飞行算法，结合Basic Finner导弹标准模型算例，对所提出算法进行了验证和评估分析，表明本文算法可行，并具有良好的应用前景。首先，搭建了一种基于重叠动网格技术的CFD/RBD耦合数值虚拟飞行仿真模型。针对Basic Finner导弹的标准工况进行了无控自由飞行状态的数值飞行模拟，并结合实验结果对所构建的数值虚拟飞行仿真算法进行了验证和评估，表明所采用的数值模拟算法可用于数值虚拟飞行环境下的智能控制参数设计与仿真评估；其次，结合数值虚拟飞行过程对飞行器气动、姿态和位移等参数的实时控制需求，提出了一种基于BP神经网络算法的PID参数在线学习的智能控制器，并针对Basic Finner导弹的俯仰通道，分别对传统PID控制策略和智能PID控制策略下的导弹自由释放后的俯仰角快速稳定控制过程、阶跃式和正弦式俯仰角输入下的导弹跟踪控制过程进行了数值虚拟飞行仿真模拟。研究表明，基于BP神经网络的PID智能控制器能够根据所获得的实时飞行参数，实现控制参数的在线学习和自我优化、调整，相比于传统PID控制器，对于不同输入工况表现出良好的适应性...     

机器人动态受力感知及零重力运动模拟技术

针对航天器在轨服务任务的地面零重力模拟需求，研究基于工业机器人的零重力运动模拟技术。建立基于BP神经网络的受力感知预测模型，该模型采用机器人末端姿态、加速度、角速度和角加速度作为输入层参数，采用机器人末端六维力传感器数据作为输出层参数，实现了对机器人末端负载的高精度动态受力感知。设计正交试验方法确定机器人的运动路径点进行样本数据采集，实现了受力感知预测模型对机器人全工作空间的覆盖。进一步，基于对机器人末端负载的受力感知数据，应用动力学理论计算负载在失重状态下的运动速度，并控制机器人执行相应的运动，实现了对机器人末端负载的零重力运动模拟。     

基于彩色三要素的无参考对比度失真图像质量评价方法

图像质量评价是图像处理领域中基本且具有挑战性的问题。对比度失真对图像质量的感知影响较大，目前针对对比度失真图像的无参考图像质量评价研究相对较少。基于此，提出了基于彩色三要素的无参考对比度失真图像质量评价方法，利用彩色三要素的亮度、色调和饱和度3个参数实现了对比度失真图像的质量评价方法。在亮度方面，提取矩特征及图像直方图与均匀分布之间的Kullback-Leibler散度特征。在色调和饱和度方面，分别在HSV空间的H和S通道中提取颜色加权局部二值模式(LBP)直方图特征。利用AdaBoosting BP神经网络训练预测模型。在5个标准图像数据库中进行广泛的实验分析和交叉验证，结果表明，所提方法与现有的对比度失真图像质量评价方法相比，性能有明显的提升。      

基于故障检测的某涡扇发动机维修决策方法

为有效解决某涡扇发动机过度维修造成发动机性能衰减、维修周期长、维修成本高的难题,以某涡扇发动机大修手册和维修工艺为依据,研究了基于故障检测的发动机维修流程和修理模式,建立专家诊断系统和基于BP(back propagation)神经网络的故障诊断模型,并用数台涡扇发动机真实性能数据验证故障诊断模型的可靠性,其诊断准确率高达95%,综合两者的诊断信息,制定可靠的维修方案,优化维修流程,提出了一种基于故障检测的维修决策方法.通过某涡扇真实排气温度高发动机应用验证表明:所提出的维修决策方法,有效排除故障,提高发动机的修理质量,降低维修成本,具有良好的工程应用价值.      

一种研究逆向卸荷膜片式减压器稳定性的BP神经网络改进算法

为更好地研究多结构参数耦合变化下减压器PPR(pressure reducing regulator)的稳定性，使用BFGS (Broyden-Fletcher-Goldfarb-Shanno)拟牛顿法替换梯度下降法，实现了基于Wolfe条件的一维线搜索变步长BP(back propagation)算法.结果表明:改进的BP算法使迭代次数减少了1~2个数量级，且易于收敛到最小点.该算法用于逆向卸荷膜片式减压器时，能适应2~3个结构参数的耦合，可预测大于106个数据点的数据集.多结构参数同时变化时，更容易找到使得减压器稳定的结构参数组合.更重要的是这些结构参数同时变化时减压器的稳定性比仅其中一个参数变化时更好.      

小波与BP神经网络联合反演GNSS IR高精度水库水位变化

GNSS-IR技术作为一种近地表遥感的新兴手段，在水库水位监测方面凭借其成本低、精度高等优势成为了研究热点。为了提高GNSS-IR技术反演水库水位变化的精度，提出了利用GPS、BDS双系统观测量基于小波分解与BP神经网络联合的方法反演水库水位变化。选取位于南水北调山东境内双王城水库GNSS变形观测站2017年10月1日—12月26日共87天的信噪比(SNR）数据为研究对象，分别利用小波分解和二阶多项式拟合两种方法消除其趋势项并生成SNR残差序列，然后进行Lomb-Scargle谱分析得到水库水位高度变化值，并与实测水位结果相比较。结果表明：各频段SNR利用小波分解和二阶多项式反演水位变化的平均均方根误差分别为0.1062m和 0.2245m，说明小波分解去趋势项的方法更优。最后，在小波分解去趋势项的基础上，利用阈值筛选出融合所用的频段(S1C、S2L、S5Q和S7I），分别采用均值算法、中值算法、随机森林算法和BP神经网络算法对GPS、BDS多频多模信号进行水库水位的融合反演。结果表明，对于水面较为平静的环境，以上算法均能实现厘米级的反演精度，其中BP神经网络算法用于水位反演的效果更优。     

跑道占用时间的影响因素分析与预测方法研究

针对最后进近阶段飞机距跑道入口较远时，跑道占用时间难以实现准确且实时的预测，提出了基于机器学习的跑道占用时间预测方法。面向空中交通管理，考虑3类共10项影响因素与跑道占用时间的关系；然后，基于对影响因素的分析，使用BP神经网络建立按照飞机尾流等级分类的跑道占用时间预测模型；通过对模型的调试和训练，对模型性能、影响因素显著性和不同距离时的预测结果展开了分析。研究表明，模型对跑道占用时间的估算平均绝对误差不超过2.5 s,均方根误差不超过3 s,判定系数均在0.85以上，可以很好地满足跑道占用时间的准确预测；影响因素偏差导致的估算误差随着飞机尾流等级的减小而增大；当飞机位于距跑道入口19 km时，估算误差为4.33 s,是预测跑道占用时间的较佳位置。     

颗粒阻尼器耗能特性及振动抑制研究

机电控制系统受振动影响易发生故障，严重影响飞行安全，本文通过颗粒阻尼器对机电控制系统进行振动抑制研究，采用离散元仿真方法研究阻尼器的耗能变化规律与振动幅值、振动频率和颗粒数量的影响关系，并通过BP神经网络对颗粒阻尼器耗能数据进行训练和预测；通过机电控制器的随机振动试验，验证离散元仿真结论与BP神经网络预测模型的准确性。结论表明，离散元仿真在振动频率20～40Hz、激励幅值2～16mm范围内，其他条件一定时，阻尼器耗能随频率和幅值的增大而增大，随颗粒填充率先增大后减小，在57%～70%填充率范围内具有最佳耗能效果；在机载系统随机振动试验中，颗粒阻尼器填充率处于30%～90%范围内均表现出较好的振动抑制效果。仿真和试验结果对颗粒阻尼器在机电控制系统中进一步应用具有指导意义。