基于动态时间规划和支持向量机的飞机机动动作识别方法

提出了一种对飞机试飞和试验数据中标准机动动作的识别方法,对飞行历史数据中的目标机动动作进行精确地检测提取。先应用动态规划的方法,在海量数据中使用动作模板初步匹配目标数据,再通过支持向量机精确识别目标,最后使用真实的飞行数据对所设计的机动动作识别方法进行了试验。结果表明,基于动态时间规划和支持向量机方法的动作识别结果准确率高、计算速度快,且数据解耦性强,具有很好的工程应用前景。     

无人机空战仿真中基于机动动作库的决策模型

根据无人机空战仿真需要和专家系统原理,建立了一套基于机动动作库的快速响应自主空战机动决策系统模型;根据第三代战斗机空战中典型的机动动作,建立了相应的专家数据库;通过对驾驶员经验的分析,建立了专家知识库,并将整套决策模型应用于空战仿真中.仿真结果表明,应用该模型建立的空战仿真系统,可以使无人机根据实时战场环境,实现快速自主决策空战模拟飞行.     

基于卷积双向长短期记忆网络的轴承故障尺寸估计

基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。     

基于Dodgson集结算法的多机协同空战机动决策方法

针对多机编队协同作战空战问题,研究了协同机动决策改进方法.基于Dodgson集结函数,设计了新的协同决策中的机群偏好集结环节,提出了一种基于Dodgson集结算法的多机自主协同空战机动决策方法.典型多机协同空战算例表明,该决策算法能在敌机不机动、初始态势占劣等多种条件下,产生合理有效的机动决策.     

基于试探机动算法的专家系统优化方法

在进行无人机自主决策系统的设计中,专家系统方法是一种工程可行性高的常用设计方案.专家系统方法能够充分利用空战理论和专家经验,提供合理的建议.但是传统的专家系统在实际应用中,存在规则前件无法匹配规则而导致决策失败的问题,一定程度上限制了专家系统的应用范围.针对这一问题,提出了一种试探机动选择算法,该算法可以根据当前飞行状...     

基于ConvLSTM的飞机尾流时空预测

飞机尾流预测在动态尾流间隔系统中十分重要。通过结合激光雷达技术,提出了一种基于卷积长短期记忆网络(ConvLSTM)的飞机尾流预测模型,以预测激光雷达(LIDAR)的下一个扫描面。实验团队前期在深圳宝安机场使用激光雷达探测对尾流数据进行采集并进行预处理。然后,构建了ConvLSTM神经网络模型以对尾涡径向速度场进行外推预测。通过采集的数据对所建立模型进行训练、验证、测试。实验结果表明：模型能够有效对尾流进行时空预测,测试的RMSE值为3.30,证明了ConvLSTM在预测飞机尾流耗散演化的潜在用途。     

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素.准确预测发动机的退化过程,对于飞机安全飞行具有重要意义.针对航空发动机剩余寿命预测问题,提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型.与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期...     

基于机动动作库的实时轨迹生成与仿真研究

论述了基于机动动作库的实时轨迹生成方法,根据环境和任务要求进行在线决策,选取机动动作库中合适的机动动作,最终实时生成无人机所需要的机动轨迹。仿真结果表明,这种方法具有实时性强、生成轨迹易于跟踪控制等优点。     

一种基于神经网络的航空发动机剩余寿命预估方法

针对航空发动机剩余寿命预估中模型建立困难且计算精度低等问题,提出了一种基于卷积神经网络和长短期记忆神经 网络进行航空发动机剩余寿命预估的方法。利用卷积神经网络中的卷积层与池化层提取传感器数据中的特征,并依据卷积层提 取出的特征,利用长短期记忆神经网络进行时间序列预测,并使用全连接层输出航空发动机剩余寿命。在NASA的C-MAPSS提 供的涡扇发动机退化仿真数据集上对该方法进行了验证。结果表明：基于卷积神经网络和长短期记忆神经网络的航空发动机剩 余寿命预估方法,可以在保证预测精度的前提下,对航空发动机剩余寿命进行较为保守的预估,在保证资源不被浪费的情况下,尽 可能提前发出故障预警信号,从而提高飞行的安全性,进而为航空发动机健康管理系统提供有用信息。该预测方法在对称指标和 非对称指标上均优于此前提出的方法。     

基于ResNet-LSTM的航空发动机性能异常检测方法

为了实现数据驱动的航空发动机性能异常的智能检测,提出了一种基于残差网络（ResNet）-长短期记忆网络（LSTM）的发动机性能异常检测方法。采用发动机性能数据图像化方法,在数据降维的同时,完备保留数据的关联特征和时序特征;以残差单元构建发动机性能异常检测模型,在加深网络结构的同时,消除深层网络梯度消失问题,提高发动机性能图像空间关联特征的提取能力。同时,引入LSTM,提出基于ResNet-LSTM的发动机性能异常检测模型,通过ResNet与LSTM的融合,强化异常检测模型对时序特征的提取,提升发动机性能异常检测的准确率;通过发动机运行数据进行验证。结果表明：在训练集上,该方法的异常检测准确率为94.95%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高10.87%、8.00%、3.23%;在测试集上,该方法的异常检测准确率为92.15%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高11.81%、9.45%、3.78%。     

自主机动条件下的实时定轨方法

中继卫星在跟踪自主机动用户目标时,由于机动轨道未知,需要利用中继卫星下传的星载GNSS(Global Navigations Satellite System,全球导航卫星系统)数据进行实时轨道确定与预报,为中继卫星跟踪提供实时的引导信息,以方便中继卫星快速捕获目标和连续稳定跟踪。针对该类用户目标的任务需求,讨论了基于星载GNSS数据自主机动条件下的实时定轨方法,建立了连续推力机动力学模型。以某一型号卫星的实测数据进行分析验证,并对轨道机动进行辨识,计算的机动加速度和机动时间与试验单位提供的结果一致。针对卫星不同机动情况,5min的观测数据定轨预报10min的弧段,最大位置误差小于8km,可以为中继卫星快速捕获提供高精度的引导信息。     

基于CDBN与BiLSTM的多元退化设备剩余寿命预测

基于多传感器对复杂工业设备的多元健康状态进行监测,进而实现设备更全面准确的性能评估、剩余寿命预测与健康管理已逐渐推广应用。针对一类监测数据呈现大规模、非线性、高维化等特点的多元退化设备,提出了一种基于连续深度置信网络(CDBN)与双向长短期记忆(BiLSTM)网络的剩余寿命预测方法。首先,通过CDBN对监测到的性能退化数据进行分析,提取出反映多元退化设备隐含深层次特征的健康指标;然后,根据构造的健康指标,利用BiLSTM网络挖掘其时序信息和退化趋势,预测多元退化设备的剩余寿命;最后,利用蒙特卡洛仿真技术得到剩余寿命的区间估计,并通过商用模块化航空推进系统数据集验证所提方法的有效性和先进性。结果表明：所提方法能够有效提高此类设备的剩余寿命预测准确度,具有潜在的应用价值。     

基于质量矩技术的机动弹头再入仿真研究

对基于质量矩技术的机动弹头再入性能进行了探讨。首先建立了弹头的空间运动数学模型;然后在此基础上根据再入段特性对运动方程作了适当简化并计算了弹头内部质量块分别处于静止、瞬时置位、线性平动这三种运动状态下的落点参数;最后分析比较了质量块运动的变化对机动范围的影响。仿真结果表明了质量矩技术作为弹头再入机动控制方式的可行性。     

基于深度学习的辅助动力装置性能参数预测方法研究

针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。     

基于启发式信息的中文姓名识别方法

提出了一种以姓氏和互信息作为启发式信息探测潜在姓名,对上下文进行局部全切分,最后利用隐马尔科夫模型为工具识别姓名的新方法。本方法将姓名识别,汉语分词,词性标注结合为一体,总体上提高了姓名识别的性能,一定程度上解决了分词错误对姓名识别带来的影响。实验结果表明本文提出的方法是有效的。     

基于双重容量识别标准的航空网络关键航段识别方法

对航空网络中的关键航段进行有效识别存在传统识别方法单一,网络性能评价指标不全面等问题,提出一种基于双重容量识别标准的航空网络关键航段识别方法。通过建立脆弱识别标准和瓶颈识别标准,从航段容量变化对航空网络综合性能影响的角度对网络中的关键航段进行识别,并在网络性能评价阶段,采用一种基于AHP的航空网络综合性能评价指标,使用基于UE模型的空中交通流量分配模型,对该识别方法的有效性进行验证。结果表明:该方法能够对航空网络中的关键航段进行有效识别。     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。     

基于能量管理的横向机动弹道优化设计

为实现小射程能量的有效利用,增强导弹的突防能力和禁飞区规避能力,提出了一种基于能量管理的横向机动弹道设计与优化方法.该方法通过初始离面角使弹道一级偏离传统射面,后面级再修正射面以命中目标.在建立能量管理方程、初始离面角及横向转弯角的解析计算模型的基础上,迭代解析计算机动角的初值;采用遗传算法对机动角及弹道程序进行优化,得到了最优解.仿真结果表明,该方法在满足导弹能量管理的条件下实现了导弹的横向机动,可有效提高弹道导弹的突防能力,优化算法简单可行,收敛效果好.