变势能阱双稳态气动弹性能量收集的性能增强研究

提出一种新型的磁耦合变势能阱双稳态压电颤振能量收集器，设计了外部磁场作用下颤振能量收集系统的双稳态构型，并利用弹性支撑的外部磁铁的运动实现了变势能阱技术，解释了变势能阱双稳态对颤振能量收集系统的性能增强机理。建立了磁力-压电-气动弹性耦合的颤振能量收集系统的动力学分析模型，根据非线性磁偶极模型以及平衡点稳定性理论，讨论了系统出现双稳态构型的参数条件。对磁耦合双稳态颤振能量收集系统的动态特性进行了数值仿真研究，结果显示，双稳态构型能够使无磁力颤振能量收集系统的超临界颤振行为转变为亚临界颤振，发生极限环振动的风速能够降低50%以上，拓宽了能量收集器的有效工作风速范围，并分析了磁铁间距、磁偶极矩对能量收集性能的影响规律。采用弹性支撑的外部磁铁的运动来自适应调节内外部磁铁之间的距离，达到变势能阱的目的，有效地降低了双稳态的势能阱深度，使系统更容易发生双稳态势能阱间的跃迁运动，从而在双稳态的设计基础上，实现了能量收集工作风速范围和输出电功率的同步提升，为低风速下的能量收集提供了一种有效的设计途径。     

军航无人机与民航航班侧向碰撞风险评估

近年来无人机(UAV)已经成为新型作战力量。为解决军航UAV与民航航班之间的飞行冲突，确保飞行安全，对经典EVENT模型进行改进，提出适用于UAV的碰撞风险模型。着重研究了导航方式、人为因素、高空风对于UAV飞行的影响，并构建了相应的位置偏差模型。首先，利用蒙特卡罗法求解军航UAV与民航航班之间侧向间隔丢失的频率；其次，利用MATLAB进行算例仿真，验证模型的有效性，并得出了侧向碰撞概率随参数变化的关系；最后，通过计算不同安全间隔下的碰撞风险，对空域使用提出建议。      

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。      

机载托架自动校准系统的设计与实现

为了解决机载托架传统校准方法精度低、耗时、费力等问题,设计了一种高精度、高效率并且操作简单的成品托架自动校准系统。该系统运用调平精度较高的"循环多次"最高点不动调平方法,建立高精度机载托架校准的静力学数学模型,运用VC与Matlab的COM接口编程技术开发机载托架自动校准系统,并建立良好的人机交互界面。试验结果表明,利用该方法对机载托架进行校准,无论是校准精度还是校准效率都较传统方法有很大提高。     

GEO-UAV空天双基SAR二维分辨能力分析

收发平台分置于地球同步轨道（GEO）和无人机（UAV）的GEO-UAV空天双基合成孔径雷达（SAR）系统能够实现对重点观测区域高精度、高时相的观测，二维分辨能力为其重要的系统指标。针对GEO-UAV空天双基SAR的二维分辨能力进行了分析:首先，基于梯度法给出了空天双基SAR矢量化的二维分辨率的计算方法；其次，基于GEO-UAV空天双基SAR的构型计算了其距离分辨率、方位分辨率以及二维分辨矢量夹角；最后，基于系统的二维分辨能力提出了GEO-UAV空天双基SAR的构型设计准则，通过点目标仿真对该准则的有效性进行了验证。所提设计准则能够为GEO-UAV空天双基SAR的系统设计提供有力支撑。      

太阳能飞机循环飞行的高度剖面能量策略

为满足设定的太阳能飞机多日连续飞行条件，依据飞行过程中当前时刻的飞行高度、光伏输出功率、动力电池组余量等系统状态参数，研究如何分配动力电池组充放电和电推进系统输入等功率。所用策略立足于实时功率平衡，充分利用正午前后的光伏峰值功率用于飞机爬升及充电，在午后下滑过程中利用全部光伏输出，以最大化利用光伏资源；在光伏有效输出不足时则以一定的维持功率下滑，使能量的综合损失最小。方法能够提高以预定夜间飞行高度连续多日续航的成功率，提升飞行高度、纬度、季节范围或搭载能力，或者拓展这几种飞行条件的组合域，优化太阳能飞机的适用性。     

拒绝服务攻击下的Euler Lagrange系统的安全控制

研究了Euler Lagrange系统在拒绝服务(denial of service, DOS)攻击其传感通信通道时的安全控制问题.为减少采样资源消耗，本文设计了基于事件触发机制的控制算法.针对DOS攻击活跃期和休眠期两种情况，设计了Lyapunov函数并证明了所提出的基于事件触发的算法能保证Euler Lagrange系统在DOS攻击下的稳定性.最终通过仿真算例验证了算法的有效性.     

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。