神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

振动建筑中人的烦恼率

现有的结构振动舒适度验算方法的最大问题是无法定量知道实际设计效果，针对这个问题，本文首先从心理物理学的角度研究了人对振动主观反应的模糊性和随机性，结合国内外有关实验研究，给出了上述不确定性的模糊属度函数和概率分布形式；然后把心理物理学对烦恼率的计算方法移植到结构振动舒适性设计中去，建立了相应的烦恼率计算模型；最后，结合高层建筑风振舒适度问题对该模型的合理性和有效性进行了研究，并把计算结果与实测结果与实测数据以及ISO标准进行了比较，结果表明用烦恼率方法最大的优点是能够非常准确地预测出因风振舒适度导致的不满人数的比例，而且与ISO标准具有很好的一致性。     

动导数支架干扰的试验研究

采用镜像两步法在FL 8风洞中进行了俯仰振荡动导数支架干扰修正实验,实验结果表明:在强迫振荡动导数实验中,支架干扰对动导数实验数据有明显的影响。通过对实验数据进行支架干扰修正,可以进一步提高实验结果的准确性。     

采用TLC方法的超机动飞行控制系统设计

基于轨迹线性化控制(Trajectory linearization control,TLC)方法,研究了超机动飞机飞行控制系统的设计问题。首先简要介绍了TLC方法的设计思想;然后根据奇异摄动理论,将超机动飞行控制系统分成快慢两个回路,并为其分别设计了轨迹线性化控制器;最后分别用所设计的控制器和已有的动态逆控制器对某型歼击机进行了赫布斯特机动仿真。仿真结果和对比分析表明,所设计的TLC控制器是有效的,且比动态逆控制器具有更好的控制跟踪性能。     

基于参数化组件描述的复合材料桨叶结构设计

针对目前直升机复合材料桨叶结构设计效率低的问题,提出了一种基于参数化组件描述的复合材料桨叶结构设计方法.该方法以旋翼菜叶理论外形数据模型为基本依据,根据对各桨叶组件构造形式的归纳,完成了桨叶蒙皮铺层、前缘配重、大粱、肋以及后缘条等主要组件的参数化描述,从而能够对菜叶整体结构进行方便快捷的定义;结合桨叶理论外形和各组件的定义数据,通过算法自动荻取所分析截面的信息,并生成相应截面的剖面图.实例验证表明,提出的方法能够完成桨叶的结构设计,提高桨叶设计分析的效率.     

潜射无人机发展现状及其关键技术

介绍了国外潜射无人机的发展现状,潜射无人机与其他无人机最大的不同点及其技术难点是其发射技术、涉及发射装置设计技术和无人机翼面折叠技术等.针对潜射无人机干式发射和湿式发射等不同发射技术的特点及其适用性进行了研究分析,并对其他关键技术如回收技术、动力装置技术、数据链路技术等进行了分析.     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布,提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法,对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法,插值结果以速度云图及矢量图的形式展示,对该过程的主要误差也进行了分析与验证。最后的处理结果显示,针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

基于T-S模糊系统的空天飞行器鲁棒自适应轨迹线性化控制

 基于T-S模糊系统提出了鲁棒自适应轨迹线性化控制(RATLC)方法。利用T-S模糊系统逼近未知干扰和不确定性因素,并采用Lyapunov方法设计了鲁棒自适应控制律。不论系统状态的维数和用于逼近不确定的模糊系统规则数为多少,整个系统仅有两个参数在线调整。理论分析证明了闭环系统所有信号一致最终有界。应用提出的控制方案设计了空天飞行器(ASV)飞行控制系统,并在高超声速飞行条件下进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。     

仿壁虎刚毛阵列对卫星表面吸附能力模型与计算

壁虎脚的粘着机理对航天机器人脚掌的研制和开发具有重要启发意义.通过单根刚毛与光滑表面黏着力模型与计算、卫星粗糙表面分布模型与接触概率与计算、刚毛阵列与卫星粗糙表面黏着力模型与计算等,分析仿壁虎刚毛阵列对卫星表面的吸附能力,发现在一定条件下仿壁虎刚毛阵能够在太空失重环境中黏着在卫星表面,对航天舱内爬行机器人、管道机器人的...     

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection,CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中,为提高太阳风预报的准确率,需要提高CME参数识别的精度.模型以计算任务串行的方式运行,运算效率低导致模型运算时间长,不能满足这种需求.CME参数识别模型的物理运算过程相互不独立,其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架,改进了CME参数识别模型的计算流程,提出CDMR（CME detection under MapReduce）方法,实现了CME参数识别模型的并行计算,并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间,提高了模型的识别精度和计算效率.