基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题，导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究，采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征，与原始信号中提取的时域特征量对比，正常和电弧特征量的区分度更大；选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比，HHT三维时频谱能够反映信号的局部特征，HHT方法计算得到的正常和电弧特征量之间的区分度更大，电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况，有助于提高电弧故障的检测率，降低虚警率，具有重要的工程应用价值。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合，小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求，提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法，两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束，具有良好的鲁棒性。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况，开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进，实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础，设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例，建立了太阳能电池阵列模型，开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验；基于"蒲公英I"飞行剖面，开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪，与萤火虫算法相比收敛时间更短、且功率波动幅度更小；采用改进萤火虫算法和状态机能源管理策略，在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

基于等离子体激励的湍流边界层减阻控制

为了探究介质阻挡放电（dielectric barrier discharge, DBD）等离子体气动激励对平板湍流边界层的减阻情况，在控制来流速度为10.7 m/s的低速风洞中进行等离子体平板湍流边界层减阻控制实验。本实验重点研究了不同激励频率对湍流边界层的减阻控制效果，使用热线风速仪系统采集流向速度信号，获得边界层平均速度分布和脉动速度分布。对实验结果进行对比分析发现，在施加不同频率的等离子体激励之后，边界层内对数区速度明显减小；随着激励频率的增加，局部减阻率呈现出先增大后减小的趋势，在激励频率为200 Hz时，减阻率达到最大为7.4%。     

一种基于模糊控制的平稳滑翔再入制导律

针对升力式高超声速飞行器(LHV)再入滑翔过程中的周期性振荡现象，提出了一种基于模糊推理与控制的反馈调节方法以抑制振荡实现平稳滑翔。纵向制导在落点误差预测及指令校正的基础上，在倾侧角外环控制回路增加以高度变化率及空速作为输入的模糊控制器对倾侧角指令进行调节，横侧向制导通过航向角误差走廊约束及倾侧角反转逻辑实现大横程条件下的侧向控制。所提方法不依赖于准平衡滑翔条件(QEGC)，同时避免了参数化反馈控制律中的反馈项参数设计问题，具有较强的自适应能力。LHV制导实例仿真表明，所提方法可有效抑制振荡现象，满足终端约束及再入走廊约束，方法的鲁棒性也通过Monte Carlo仿真得到了验证。      

一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

一种新的最速下降算法在自适应噪声对消中的应用

自适应噪声对消在很多领域有着重要应用。为了进行自适应噪声对消，提出了一种新的最速下降算法。该算法主要原理是对多元二次函数进行降维处理，使其变成一元二次函数，再应用抛物线的性质分别循环迭代地求解每一个维度上的极值。在自适应噪声对消应用中，所提算法与传统的自适应算法进行对比，具有收敛速度快，滤波效果好，滤波效果可调节，抗恶劣信噪比以及急剧变化信噪比，不需选择迭代步长，适合计算机和可编程硬件实现等优点。