预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

基于自适应网格的钝头体激波诱导燃烧现象数值模拟研究

钝头体激波诱导燃烧是爆震研究的一个基本问题。针对化学恰当量比的H2/Air预混气在Ma=4.79和Ma=6.46时的激波诱导燃烧现象开展数值模拟研究，采用基于有限体积法的块结构自适应网格加密程序AMROC对带化学反应源项的轴对称Euler方程解耦求解，考察了数值模拟中不同形式的MUSCL重构格式、限制器类型以及化学反应机理等重要因素对模拟结果的影响。结果表明，程序能够根据设定的加密判据较好地实现网格自适应加密，减小总网格量，实现高效数值模拟。通过与实验数据的对比，表明非定常激波诱导燃烧算例的准确程度不仅取决于化学反应机理，也取决于限制器类型，而采用两种不同形式的MUSCL重构格式获得的振荡频率则几乎一致，与试验结果的误差分别为1.17%和0.97%。模拟对比经典的Jachimowski机理和近年来新发展的几种包含压力相关反应步的氢/氧反应机理，模拟结果表明：对于Ma=4.79时的非定常激波诱导燃烧模拟，经典的Jachimowski机理仍然是能够给出与实验结果最接近的反应机理；而对于Ma=6.46时的定常激波诱导燃烧模拟，几种反应机理均能给出与实验吻合较好的结果。     

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。     

一种新的最速下降算法在自适应噪声对消中的应用

自适应噪声对消在很多领域有着重要应用。为了进行自适应噪声对消，提出了一种新的最速下降算法。该算法主要原理是对多元二次函数进行降维处理，使其变成一元二次函数，再应用抛物线的性质分别循环迭代地求解每一个维度上的极值。在自适应噪声对消应用中，所提算法与传统的自适应算法进行对比，具有收敛速度快，滤波效果好，滤波效果可调节，抗恶劣信噪比以及急剧变化信噪比，不需选择迭代步长，适合计算机和可编程硬件实现等优点。      

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。      

空天飞行器返回滑翔段在线制导方法

针对空天往返飞行器的返回滑翔段在线制导问题，设计了一种新的滑翔段飞行剖面，实现了滑翔段终端交班高度、位置和倾角约束的自动满足，减少了在线制导算法中需处理的约束数量。推导了滑翔段运动状态、过程约束和性能指标的解析表达式，获得了剩余航程和终端速度间的函数关系。在此基础上，提出了一种双层在线制导方法：内层解析重构飞行剖面，同时通过解析确定路径点来改变剩余航程的变化率，进而对终端交班速度进行控制；外层借助解析表达式，使用粒子群优化算法(PSO)和改进共轭梯度法(CGM)优化飞行剖面，从而满足过程约束和指标要求。最后通过数学仿真验证了方法的正确性。     

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。     

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

涡轮基组合循环发动机分布式控制系统通信网络混合拓扑结构优化方法

涡轮机组合循环(Turbine based combined cycle,TBCC)发动机控制系统通信网络拓扑结构是其分布式控制系统方案设计的重要部分,优化网络拓扑结构可提高发动机推重比和控制系统可靠性。本文基于智能优化算法提出TBCC分布式控制系统网络拓扑结构优化方法。基于图论建立TBCC几何模型和网格模型,以重量和可靠性为优化性能指标,同时考虑发动机表面高温区域以及控制节点的工作可靠性,分别采用粒子群算法和遗传算法优化星形结构中智能中央节点位置、中央节点的环形拓扑结构,获得星形-环形混合拓扑结构。仿真实例表明,基于本文方法优化所得的混合拓扑结构相较于星形集中式控制结构,系统重量降低了51.9%。     

航空发动机限寿件疲劳可靠度计算新方法

针对目前的航空发动机限寿件（ELLP）疲劳可靠性分析中的小失效概率事件以及其极限状态函数具有较强非线性的特点，提出了一种具有自更新机制的半径外自适应重要抽样（AUMCROAIS）疲劳可靠性分析方法。该方法首先利用蒙特卡罗自适应重要抽样（MCAIS）快速逼近真实设计验算点（MPP）附近，随后以近似设计验算点为中心进行极坐标抽样，并依次构造主动学习函数，对近极限状态函数和抽样半径进行最优选取，从而实现最优抽样半径的更新，通过不断的更新确定出最优抽样半径，加速失效概率计算的收敛。本方法提高了设计验算点的收敛速度同时保证了计算精度，解决了小失效概率事件以及强非线性极限状态函数可靠度计算难题，最后以某型发动机压气机轮盘为对象应用本方法，并与传统的蒙特卡罗仿真（MCS）方法、蒙特卡罗半径外自适应重要抽样法（MCROAIS）和一阶可靠性方法（FORM）进行了对比，验证了本方法的高效率、鲁棒性和仿真精度。