飞机新原理电液自馈能刹车系统设计与优化

当前，传统飞机液压刹车系统普遍采用集中式的机载液压源作为动力，液压能通过能源管路传输到刹车作动器，整个系统零部件数目众多，管路布局复杂，由此带来的管路振动、液压油泄漏等问题突出，限制了飞机刹车系统可靠性和可维护性的提升。近年来，一种飞机新原理电液自馈能刹车系统被提出，将模块化的"自馈能装置"安装在机轮附近，回收机轮着陆时的旋转动能，并将其转换成液压能，用于刹车作动。提出了一种利用波浪曲面进行取能的专用取能机构，设计了自馈能系统紧凑型专用取能机构，研制了高可靠、低能耗、高抗污染的自馈能刹车系统原理样机，完全实现了自馈能，即使飞机失去全部动力也能正常完成刹车功能，使抗污染等级从NAS6级提升到NAS10级，可靠性和可维护性优于传统液压刹车。     

飞机整机线缆自动化集成检测技术研究现状和发展

飞机整机线缆集成检测是飞机总装过程中的一项重要工作,是关乎线缆制造质量高低的一个关键环节,在航空制造企业受到了广泛重视。对飞机整机线缆检测方法进行了比较和分析,介绍了线缆自动化集成检测的内涵和主要研究内容,对比分析了国内外线缆自动化集成检测的研究现状,分析和指出了线缆自动化集成检测存在的问题以及发展趋势。最后对数字孪生技术在线缆自动化集成检测领域中的应用进行了展望。     

基于DOA聚类算法的ARM抗有源诱偏技术研究

有源诱偏技术是雷达对抗反辐射导弹的一种重要手段,可以大大降低反辐射导弹的作战效能。为提高对敌目标的精确打击能力,在分析闪烁诱饵诱偏原理的基础上,针对有源诱偏干扰下被动雷达测角精度与稳定度不高的问题,通过对有源诱偏信号的时域特征进行分析,提出一种基于脉冲前沿检测的DOA聚类分选算法,找出前沿超前的辐射源信号,实现了高性能抗有源诱偏干扰和高精度抗干扰测向。仿真结果表明,该技术可以有效对抗四点源有源诱偏干扰。     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状，提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱，并通过主成分分析方法增强了信号的特征；参考迭代自组织数据分析的“分裂”和“合并”的思想，为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为；采用模糊C均值方法定义了隶属度矩阵和目标函数，并利用改进的人工鱼群算法，迭代搜寻了目标函数的全局最优解，得到了各故障模式的聚类中心；通过计算测试数据的最近邻聚类中心，实现了故障模式识别。结果表明，该方法无需指定聚类簇数，能在标记数据量小的情况下完成训练，较同类方法表现出了更优的故障模式识别性能。     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用，其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标，基于复杂网络理论，应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型，详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系；通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱，基于节点介数的蓄意攻击效能最强；节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息，会导致电磁信息泄漏，从而威胁设备的信息安全。现有的电磁信息泄漏检测方法，在复杂现场环境下，难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题，开展了电磁信息泄漏检测研究，提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络，并结合改进的梯度加权类激活映射方法，在未知电磁信息泄漏特征的前提下，通过深度学习实现电磁信息泄漏特征的智能标定和自动提取，从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验，验证了所提方法的有效性。      

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题，提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征，借助词袋模型对每张图像构建3组视觉单词直方图，通过串行融合3组视觉单词直方图得到新的特征矩阵，采用特征选择对融合后特征矩阵进行降维，并传入随机森林分类器中进行训练。实验结果表明，不同特征对粉末床不同类型缺陷检测具有不同的贡献，优化特征融合参数后，算法平均准确率达到97.46%，缺陷检测效果明显提升。     

基于模态反转的半球谐振陀螺零位自校准方法

针对半球谐振陀螺的零位漂移问题，本文研究了基于模态反转电路控制技术的零位自校准方法。首先，从动力学模型引入阻尼不对称、频率裂解等非理想因素，讨论半球谐振陀螺的工作机理及驻波漂移特性。其次，通过理论分析模态反转的零位校准以及虚拟进动控制的模态反转技术。最后，基于FPGA数字控制平台，设计并实现了半球谐振陀螺零位自校准半实物仿真实验。实验结果表明，基于模态反转的半球谐振陀螺零位校准，实现了半球谐振陀螺的零位从15 降低至2 ，短期零偏稳定性和长期稳定性也分别提高了11.8％和45.86％，有效地抑制了零位漂移，提高了半球谐振陀螺测量精度。     

叶片前缘仿形涡流检测仿真与试验设计

仿形涡流检测技术因其耦合性好可有效抑制检测过程晃动而特别适合对大曲率叶片前缘快速检测。针对涡轮叶片前缘仿形涡流检测建立前缘及仿形线圈有限元模型，运用有限元方法分析叶片前缘凹坑、长裂纹、边沿凹坑3种典型缺陷在内外两种激励、不同内径线圈、不同频率等模式下的检测信号特征。仿真结果表明：大曲率前缘实施仿形涡流检测，检测区域可有效覆盖整个前缘区域，检测频率越高，检测灵敏度越高。双线圈检测模式下，外激励内接收比内激励外接收灵敏高，当内检测线圈尺寸大于缺陷的尺度时，内接收线圈内径越小，其相对灵敏度越高。结合仿真结论，制作前缘缺陷试块，采用锁相放大及图形化编程技术，设计前缘仿形涡流检测系统，试验结果表明，仿形线圈可有效检出前缘典型缺陷，检测幅值相位输出结果与仿真结论相似。研究成果可用于指导大曲率叶片前缘的工程实践检测。