扑翼飞行器动力系统建模方法

为快速评估扑翼飞行器的航时,便于针对不同扑动翼进行动力系统设计与优化,逐步减少实物验证与试飞,加快扑翼飞行器的研制,基于实验数据参数辨识的方法建立了包含直流无刷电机、电调（ESC）、锂电池和扑动机构等扑翼飞行器动力系统组件的动态模型,其中电机模型相对误差小于10%,锂电池动态模型相对误差小于6%;提出了一种基于风洞试验气动数据和功率数据的扑动轴瞬时气动载荷半经验高精度建模方法,解决了气动载荷测量较为困难的问题,模型确定系数大于0.89;集成以上模型后的扑翼飞行器仿真系统还包含扑动翼周期平均气动模型、平尾气动模型和纵向控制模型,确保仿真在动态配平状态下进行,可进行全任务剖面航时仿真,航时仿真与实际试飞结果相比误差小于3%。集成的扑翼飞行器仿真系统采用模块化建模思想,各模型参数独立可调,能进一步应用于扑翼飞行器多学科优化等研究。     

基于VBGMM-DCNN的列车卫星定位欺骗干扰检测方法

面向基于全球导航卫星系统的铁路列车定位实施欺骗干扰的主动检测，在卫星定位解算层次，运用深度学习建模学习方法的优势，提出一种基于变分贝叶斯高斯混合模型-深度卷积神经网络（variational Bayesian Gaussian mixture model-deep convolutional neural network, VBGMM-DCNN）的列车卫星定位欺骗干扰检测方法。该方法首先提取能够充分体现欺骗干扰对定位解算过程作用影响的卫星观测特征参数，构建干扰检测特征矢量；然后，采用VBGMM模型拟合经过预处理的特征向量的概率分布，得到二维概率密度图；最后，将概率密度图用于DCNN模型实施欺骗干扰的检测决策。结合现场实验所得运行场景数据，利用实验室搭建的欺骗干扰测试环境实施了干扰注入测试与检验，结果表明,欺骗干扰检测性能随着DCNN网络深度的增加而提升，相对于常规有监督决策方法F1值最高提升44.68%。基于VBGMM-DCNN的欺骗干扰检测能够适应测试验证中运用的列车运行特征及定位观测条件，所达到的检测性能优于对比算法。