高速开关阀控电液位置伺服系统自适应鲁棒控制

为研究高精度的液压缸位置跟踪控制问题，设计了高速开关阀和换向阀组合控制液压缸的结构方案，并通过实验分析了高速开关阀的静态流量特性。建立了液压缸的连续可微摩擦模型，利用粒子群优化算法对其参数进行辨识。建立了系统的非线性数学模型，基于非连续参数映射和反步法设计了直接自适应鲁棒控制器，通过参数在线自适应调节来更新估计值和鲁棒反馈项支配参数不确定性，实验结果表明:在跟踪幅值为5mm，频率为0.4Hz的正弦信号时，最后一个周期的最大跟踪误差、平均跟踪误差及其标准差分别为0.638、0.25mm和0.405mm，与传统PID控制器相比，控制精度显著提升，旨在为实现高精度的数字阀控位置伺服技术提供有价值的参考。      

液氢贮箱停放过程中的力热分析

为了寻找到运载火箭长时间停放过程中液氢贮箱的最经济液位，用于制定合理的发射流程以及紧急处置方法，采用计算流体力学(CFD)技术，对某型运载火箭停放期间液氢贮箱的力、热情况进行了仿真计算和分析。计算选用了VOF(Volume-of-fluid)两相流模型以及Lee相变模型，为了提高Lee模型在不同压力情况下对相变过程的模拟精度，采用安托因方程修正了该模型。修正后的模型首先由试验数据校验了其精确性，随后开展的液氢贮箱停放过程仿真结果表明：贮箱的竖直方向与径向均存在温度分层的现象，液相内会形成大的漩涡，该漩涡会使得冷热流体不断进行热交换，并导致贮箱内部的液氢出现气化。贮箱停放期间蒸发率最大值超过2 m 3/h，发生在停放4 h左右；而贮箱液位充填至37 m 3以上或17 m 3以下时蒸发率较低，最小值接近1 m 3/h。     

倾斜/后掠叶片对风扇单音噪声的控制研究

为探索倾斜/后掠静子叶片对风扇单音噪声的降噪机理并指导低噪声风扇的设计,采用基于三维黏性非定常雷诺平均数值模拟(URANS)和管道声类比理论(Ducted Acoustic Analogy,DAA)的流场/声场混合计算模型(CFD/AA)研究了不同转子叶尖间隙、倾斜静子、后掠静子等对NPU-Fan单音噪声的影响。计算结果表明:随着叶尖间隙增加,在1BPF (Blade Passing Frequency)和2BPF处,风扇前传、后传气动噪声均会增加,且1BPF处单音噪声增量大于其它谐频。在研究倾斜及后掠叶片的降噪机制时,须将管道特征函数与声源的耦合过程包含在内,并且要考虑真实风扇的尾迹特性及其向下游的输运过程。风扇静子负倾斜可以提升风扇的气动效率,但会增加噪声的声功率级;正倾斜叶片能够降低噪声声功率级,但风扇气动性能会有所降低。随着倾斜角的增加,降噪量增大,当倾斜角为+30°时,各谐波阶次的降噪量均超过2.3dB。后掠静子叶片相较于倾斜设计具有更好的气动性能和降噪效果。30°后掠角对于各谐波阶次的前传噪声降噪量均大于6.3dB,降低后传噪声超过10dB。正倾斜及后掠静子的降噪效果与噪声谐波阶次、传播方向紧密相关,谐波阶次越高,降噪效果越明显。倾斜-后掠综合设计方案对于前传噪声拥有最好的降噪效果,其综合了倾斜和后掠两者的优点。     

一种针对局部结构的有限元模型修正方法

针对实际结构有限元模型（FEM）的建模误差通常仅存在于局部区域，提出了一种对局部结构单独进行模型修正的方法。首先，根据频响函数（FRF）解耦理论得到由残余结构频响函数与包含待修正参数的局部结构动刚度所重构的整体结构频响函数的拟合值，然后通过迭代优化使其与测量值的残差最小化，从而得到参数的极大似然估计。在此基础上，将残差关于参数的灵敏度以局部结构动力学矩阵表示，建立了模型修正的基本方程，利用整体结构的测试数据即可直接对分离出来的局部结构进行模型修正。最后，对喷气式飞机和三角机翼飞机分别进行了数值模拟和实验研究，验证了所提方法的可行性和有效性。结果表明，所提方法可以成功地用于仅局部区域含有建模误差的实际结构有限元模型的修正，修正后的有限元模型的动态特性与实际结构有较好的一致性。     

一种使用Rhapsody-Simulink 工具链开发嵌入式软件的方法

描述了一种以DOORS 管理的软件需求为输入，用Rhapsody 进行软件框架建模并验证，而对部分软 件单元使用Simulink 进行详细设计、验证，然后将Simulink 模型导入Rhapsody 模型中形成完整软件配置项的 嵌入式软件开发方法。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

基于代理模型全局优化的自适应参数化方法

对于翼型气动隐身设计问题，设计变量的配置对设计结果影响很大，而简单地增加设计变量不能保证得到理想的结果。提出一种适用于代理模型全局优化的自适应参数化方法：利用全局敏感性分析方法——基本效应法，得到设计空间关于目标函数的敏感区域信息，并以此为根据增加设计变量；利用节点插入算法将低维样本在高维空间内进行重构，避免了重新取样的工作量。相对于传统固定设计空间维度方法，自适应参数化方法在设计空间的敏感区域扩展维度，能够更加精准地描述外形并反映目标的变化趋势。通过飞翼布局翼型的气动隐身优化算例，证实自适应参数化方法可以大幅提高优化设计质量和效率。     

最小数据丢失量的地月中继卫星任务调度研究

月球背面的探测器必须依靠地月中继卫星进行数据传输与通信。地月中继任务包括实时性任务和延迟容忍类任务，如数传任务。当探测器等待传输的数据量超出用户存储容量时，延迟容忍类任务会由于探测器本地存储资源不足和地月中继卫星天线资源受限而无法完成，导致任务数据丢失，所以需要设计一种合理的地月中继任务调度策略，提高地月中继卫星的资源利用率，减少数据的丢失。对地月中继卫星任务调度进行了研究，在分析地月中继卫星数传任务的特点及用户的存储限制的基础上，以最小化数据丢失量为优化目标，建立了地月中继卫星任务调度模型，并设计了一种基于离散烟花算法（DFWA）的地月中继卫星任务调度算法。仿真数据分析表明，基于离散烟花算法的地月中继卫星任务调度算法在求解结果上优于遗传算法，是一种合理、有效的调度方法。     

不确定条件下航空不安全事件灵敏度分析的Monte-Carlo方法

为解决不确定条件下航空不安全事件灵敏度分析的难题，基于Bow-tie模型提出了多模式下航空安全性指标及其灵敏度测度，以轮胎爆破事件为例，采用Monte-Carlo方法计算得到安全性指标、基本事件的全局灵敏度及其分布参数的局部灵敏度。根据轮胎爆破事件仿真结果，两类灵敏度指标均随着飞行时间的增加而发生变化，尤其是在500~600 h时变化最为显著，但灵敏度重要性排序保持不变；基本事件类型是影响灵敏度的一个主要因素，电子类基本事件灵敏度测度远远小于机械类基本事件；同类型基本事件中，平均故障间隔时间不是主导因素，灵敏度大小还与失效传递的逻辑关系密切相关。算例结果表明:航空安全水平随着飞行时间逐步下降，应重点关注飞行时间为500~600 h时航空组件失效导致事故发生的可能性；航空组件的灵敏度重要性不会随着飞行时间变化，提高灵敏度较高的基本事件的可靠性水平是防范航空事故的关键。