BP神经网络预测复合材料热压罐成型均匀性

复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络，以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数，建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程，得到最大固化度差值作为试验样本数据，对BP神经网络进行训练，训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高，为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。      

某型飞机GPS射频干扰原因分析及应对措施

近年来,GPS系统越来越多地运用于军用及民用飞机和舰船导航.与传统的地标、无线电罗盘、塔康等导航方式相比,GPS导航具有导航精度高、响应迅速、不受天气条件影响等特点,能够实现全天候、全疆域范围内米级别精度的导航与定位.由于GPS卫星信号采用CDMA制式,因此就存在着被射频干扰的可能.基于GPS射频干扰产生的原因和来源分析,探讨了飞机GPS干扰防护的基本方法以及对飞机系统影响,并为飞行和维修人员提供相关操作建议.     

导航卫星中断频次的分析方法

面向导航卫星中断频次的定量分析需求,该文分析导航卫星中断产生的主要原因,给出中断频次分析的流程,并针对分析过程中的三个关键问题,研究提出具体实施方法,包括通过相关性分析快速定位底层中断事件,通过中断树建立指标分析模型,并融合在轨数据、地面试验数据快速预估得到底层功能异常率等。最后通过示例进一步说明中断频次分析过程。该文方法已应用于北斗导航卫星工程。     

地球同步轨道星地量子信道特性研究

为了研究地球同步轨道量子密钥分发过程中星地量子信道特性，项目团队研制了搭载于实践二十卫星的极弱光偏振态分发设备，开展了地球同步轨道卫星与地面间光子偏振态的传输实验。实验时，星载偏振光分发设备根据遥控指令以50MHz频率驱动四个激光器出光，分发|0〉、|π/2〉、|π/4〉和|3π/4〉四种偏振态光子，经过长距离的空间传输后由地面站望远镜接收，最后由超导探测器探测。研究结果表明，地球同步轨道卫星到地面站的光学链路衰减约为100~110 dB，通道误码率约为2%~8%，满足量子密钥分发误码率的安全性要求。     

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。     

一种地月转移轨道中途修正的制导算法

针对地月转移轨道中途修正问题，提出了一种求解修正速度增量的制导算法。该算法由初值设计和精确解求解两部分组成。首先，利用伪状态理论，通过简单迭代设计中途修正的初值，并通过Vinti预报方法修正了地球扁率的影响。然后，在求解精确解时，提出了一种基于伪状态理论的状态转移矩阵解析算法。该算法通过设计高精度的初值，降低了求解地月转移轨道中途修正问题的难度，而且避免了传统数值方法计算状态转移矩阵的复杂性。数值仿真结果表明，该算法可有效求解中途修正问题。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模型锚点的长宽比设置，提高检测能力。实验表明，改进Faster RCNN模型取得最优的缺陷检测结果，对于小缺陷目标仍取得较好的检测精度，从而验证了算法的有效性。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。