压电周期板中耦合禁带影响规律分析

近年来，利用周期结构中弹性波禁带特性减振的研究思路受到了广泛关注。针对以往周期结构难以实现宽频且可调禁带的问题，设计了一种含电路网络的压电周期结构。该结构中的弯曲波和电路网络中的电波通过压电效应可以产生一个较宽的耦合禁带，且通过调整电路参数就可以达到调节禁带位置的目的。首先，为了高效计算该结构的波动特性，开发了适用于压电周期结构的减缩波有限元算法，该算法可以在保证结果准确性的基础上节约90%以上的计算时间。利用该算法研究了压电材料尺寸和形状对耦合禁带性能的影响。结果表明:相同电学参数下，随着压电片尺寸的增大，耦合禁带向低频移动，且禁带带宽增加；相同面积下含圆形和方形压电片的机电系统内耦合禁带差异较小，即形状对耦合禁带的分布影响不大。其次，针对不同尺寸和形状的机电系统，设计了电学参数使得在同一频率附近产生耦合禁带，并分析了其性能差异。最后，为了证明耦合禁带的减振效果，设计了一种有限压电周期板模型，其强迫响应的结果证明了耦合禁带对结构内弹性波可以进行有效调控。      

面向BDSBAS电文认证的OTAR播发策略设计

星基增强系统（SBAS）是向用户提供完好性信息的广域增强系统，涉及生命安全领域。为了提高SBAS系统的抗欺骗能力，基于椭圆曲线数字签名算法（ECDSA）提出面向北斗星基增强系统（BDSBAS）的电文认证设计方案。根据国内商用密码标准椭圆曲线（SM2）算法进行相应参数设计和电文排布方案，并描述了空中密钥更新（OTAR）的电文播发策略。为了进一步对试验方案进行验证，采用蒙特卡罗OTAR仿真器，基于3种播发调度算法进行仿真试验，通过调整权重对不同情况下OTAR电文接收时间进行分析。仿真结果为具体情况下OTAR电文方案播发调度的选择提供了重要参考依据。      

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。     

GEO/IGSO混合区域导航星座的设计与优化算法

区域导航星座能够以较低成本和较短时间获得目标区域导航能力，且地球同步轨道是构建非极区区域导航星座的重要轨道类型。提出一种基于GEO（地球静止轨道）和IGSO（倾斜地球同步轨道）的区域导航星座设计方法。基于星下点轨迹特性构造对称星座设计参数和优化参数集，并考虑地球扁率长期摄动影响，计算星座轨道参数。以导航服务区的统计GDOP（几何精度因子）为目标函数，利用差分进化算法构建星座优化模型。以印度IRNSS的7星星座为例，仿真检验了设计和优化算法的正确性，讨论了IRNSS星座优化构型和轨道类型选取。本方法采用的对称星座设计参数少，能够提升GEO/IGSO混合区域导航星座的全局优化效率，为后续非对称星座快速提供最佳星数和构型设计。     

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。      

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题，提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先，在已知飞行环境下，建立3D飞行空间模型和航迹代价模型。通过引入罚函数，将有约束3D航迹规划问题转化为无约束多维函数优化问题，利用CML-WOA求解模型来获得最优航迹。其次，为克服WOA易陷入局部最优的缺陷，引入立方映射混沌算子改善初始种群，增强种群多样性，并通过自适应框架融入正余弦算法（SCA），利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后，使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法，寻优性能明显提升，具有较强局部最优规避能力和更高的收敛精度与收敛速度；能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

SABRE预冷器计算模型及其在整机模型中的应用

预冷器的性能对SABRE等预冷组合循环发动机具有重要影响,为实现发动机方案设计阶段预冷器的快速设计与评估,建立了预冷器准二维快速评估模型。将SABRE预冷器的几何结构简化为一个扇环形区域,沿径向和周向将该区域划分为二维节点。应用守恒方程及传热关联式完成单个节点计算,再求解节点矩阵的平衡方程组,计算内外流体特定节点上参数的二维分布,得到预冷器出口参数。将模型嵌入发动机总体性能程序中,实现了发动机设计及非设计点的预冷器性能计算的功能。与文献数据对比结果表明,预冷器模型传热计算误差小于5%,摩擦阻力误差小于10%。整机计算结果显示,Ma0~5范围内,预冷器空气侧温降范围为143K至932K,温降随飞行马赫数升高单调上升。预冷器传热有效度范围为0.896-0.945,空气侧总压恢复系数范围为0.852-0.904。     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。     

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。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。