基于热力学的涡扇发动机神经网络建模方法

由于无法掌握不同发动机的真实部件特性，传统热力学模型对在翼涡扇发动机的建模存在较大的建模误差；同时，热力学模型在特性图边界线附近迭代时，容易迭代到特性图之外，造成迭代过程的不收敛。针对上述问题，本论文提出基于热力学过程的涡扇发动机神经网络建模方法，在神经网络模型的训练过程中充分考虑对部件共同工作热力学约束的优化，提高发动机建模的准确性。通过构建部件级网络结构、部件共同工作损失函数及融合训练过程，将基于部件特性图的传统热力学模型迭代过程转化为部件级神经网络的多目标优化与训练过程，提高了模型的收敛性及建模准确性。模型在26 970条发动机实际飞行数据上进行了训练及测试，结果表明，在相当宽松的准稳态数据下，论文提出的建模方法最大误差可以达到7%左右，比基于部件特性图的热力学模型低5%左右。     

翼身融合运输机分布式电推进系统设计及油耗评估

针对翼身融合运输机开展了分布式电推进系统的总体设计与油耗评估。通过数值计算完成了70t载质量翼身融合飞机的气动设计与优化。在巡航马赫数为0.80和10km高度的设计点,最大升阻比达到了24。通过求解积分边界层方程组,完成了电推进系统的总体设计。电推进系统包含10个推进风扇,风扇直径为1.45m，压比为1.35，巡航功率为2.94MW。建立了考虑燃烧过程的发动机一维性能模型,对发动机油耗进行了评估,获得了不同发动机循环参数下燃油消耗。建模结果表明,基于翼身融合布局和分布式电推进技术,可使运输机的油耗较C-17节省近50%。      

反推装置对翼身融合分布式推进系统气动性能影响数值模拟

为了研究新型反推装置对翼身融合分布式推进系统气动性能的影响,将机身简化为二维模型,利用数值模拟的手段来研究攻角、反推开度,以及风扇打开或关闭对飞行参数的影响,为翼身融合分布式推进系统的反推装置设计提供初步的意见和建议。结果显示:反推闭合和风扇打开之后该机型的升力系数和俯仰力矩系数都会有较大增加;随着反推开度的增加,升力系数和俯仰力矩系数也随之增加;来流攻角对翼身融合分布式推进系统的气动性能也有较大影响。      

基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于相对最值点的最小二乘直线检测方法

为了解决传统目标检测中遇到的检测速度慢、精度低等问题，本文提出一种新的图像特征——相对最值点，并依据相对最值点提出一种新的最小二乘直线检测的方法。该方法首先搜索Canny边缘的闭合包络，并寻找闭合包络的相对最值点。包络上相邻相对最值点之间长度满足阈值要求的即为疑似直线的两端点，进而利用最小二乘拟合方法获得该疑似直线的拟合方差，最后利用拟合方差与拟合直线长度之比作为直线判定的标准用来检测出图像中的直线。实验表明，本方法与传统方法如PPHT直线检测、LSD直线检测方法等相比，检测直线的精度更高，检测速度更快。     

无人平台复杂地形探测的视触融合方法

为提高无人平台在复杂环境中的地形探测能力以及解决在小样本数据下识别地形困难的问题，提出了一种无人平台复杂地形探测的视触融合方法。在原始宽度学习的基础上，建立了多模态级联特征节点宽度学习框架。首先进行触觉和视觉初步特征提取和融合特征提取，随后将融合特征矩阵经宽度学习分类器得到地形识别的结果。最后，在自建的视觉-触觉地形 (V-T2)数据集进行了实验验证。结果表明，相比于传统的融合算法，提出的融合算法有很好的准确性和鲁棒性，为无人平台地形探测提供了有效的策略。     

基于GPS多星三频数据融合的GNSS-IR土壤湿度反演方法

土壤湿度的监测是全球卫星导航系统干涉测量法（GNSS-IR）的关键应用之一。传统的GNSS-IR土壤湿度反演方法一般只针对单颗卫星的单一频段，未充分利用不同轨道、不同频率卫星信号的差异性与互补性。针对此问题，提出了一种将GPS多星的L1、L2和L5频段数据加权融合进行联合反演的方法，该方法利用基于最小方差的自适应融合算法得到加权因子，并通过现场实验进行了方法验证。结果表明:在测试集上所提出的反演方法相比于传统的Larson方法，相关系数提高了24.69%，均方根误差下降了22.28%，与均值融合法相比，相关系数提高了26.77%，均方根误差下降了23.26%，证明了所提方法能有效提高反演精度。      

翼身融合布局客机总体参数分析与优化

在翼身融合布局客机总体设计阶段，为评估设计方案的总体性能，建立了翼身融合布局客机总体参数综合分析与优化平台，该平台以翼身融合布局客机的几何参数为输入，完成动力、几何、重量、气动、性能和经济性等模块分析，并以此为基础建立优化设计模型。为快速评估设计方案的性能及优化设计效果，动力分析模块采用了部件级分析模型，重量分析模块采用半经验估算方法，气动分析模块采用面元法结合工程估算方法，性能分析模块采用简化运动学方法，优化模型采用可并行计算的子集模拟优化算法。以某555座级翼身融合布局客机方案为例，应用开发的分析与优化平台，完成了总体参数分析，结果表明分析模型合理。在此方案的基础上，以客机的外形参数和发动机海平面最大推力为设计变量，分别建立了以最大起飞重量最小为目标的单目标优化，以及同时以直接使用成本和进场速度最小为目标的多目标优化，单目标优化结果最大起飞重量降低了约7.17%，多目标优化结果表明直接使用成本降低8.77%的同时进场速度会增加3.32%。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强，单一寻的制导方式很难完成对目标的稳定跟踪和精确打击，需采用多种探测器作为传感器，提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型，利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题，避免了求解复杂的雅克比矩阵。对于分布式多传感器融合，传统的方法多采用协方差交叉（CI）融合方法，但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程，且计算量小。在此基础上，提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后，对算法进行了仿真分析，并进一步验证了提出算法的有效性。     

翼身融合布局飞机机体-发动机气动干扰效应

翼身融合（BWB）布局飞机是一种相对较新的飞行器概念，具有商业运输飞机的潜在用途。研究表明，翼身融合布局客机可获得比常规布局客机更好的性能。但是，由于各方面限制，BWB飞机不宜使用传统的机翼安装或机身安装的发动机布局，发动机背部安装成为首选布局。然而，背部安装发动机容易产生激波、分离、进气畸变等空气动力干扰问题，发动机与机身一体化的气动设计已成为BWB飞机发展的关键技术。针对BWB布局飞机的机体和发动机之间的气动干扰进行了数值研究，结果表明，背部安装发动机对BWB布局飞机的全机气动特性和发动机本身的推力性能都会产生较为明显的影响。