基于AMESim的热气防冰系统笛形管设计与仿真

笛形管是飞机热气防冰系统的重要组成部分，笛形管上的孔径、孔间距以及笛形管的引气入口参数决定了防冰供气流量的大小及分配，从而影响防冰性能。本文基于多学科系统建模仿真平台AMESim，建立了笛形管流量分配仿真分析模型，对机翼热气防冰系统笛形管结构参数进行迭代设计。设计参数包括笛形管管径、喷孔孔径及孔间距等参数，最终获得了能够平衡设计状态点防冰热载荷的结构参数和引气流量分配，得到了防冰系统的引气压力制度。本文提出的基于AMESim的笛形管迭代设计方法可为热气防冰系统中笛形管的设计与优化提供参考。     

陶瓷基复合材料结构不确定性传播分析

陶瓷基复合材料因其耐高温、高强度比、抗腐蚀等出色的力学性能而被广泛应用于航空航天领域中。然而，制备工艺的复杂性导致陶瓷基复合材料的本构模型中存在大量的不确定性，无法合理估计给定工况下结构的力学行为。为此，本文首先探究了陶瓷基复合材料中的材料参数对其本构模型的影响，并建立了考虑孔隙率的陶瓷基复合材料各向异性本构模型。随后，进一步提出了一种基于稀疏混沌多项式展开的不确定性传播分析方法，定量地分析材料参数及外界环境的不确定性对陶瓷基复合材料性能的影响，进而为结构的优化设计提供有效指导。最后，以陶瓷基复合材料圆柱壳模型为例，验证了本文所提方法的有效性。     

飞行器飞行姿态不确定性传播分析

飞行器的飞行状态会受到诸多不确定因素的影响。例如飞行时的外部环境参数，制造时的容许公差和加工误差等不确定性变量会使飞行中的姿态控制产生偏差，导致飞行任务失败，甚至引发灾难性的后果。为此，本文提出了一种基于最优混沌多项式展开的不确定性传播分析方法，有效突破了高维不确定性传播分析面临的变量分布任意以及大规模计算等瓶颈问题。本文提出的传播分析方法，统一度量了高维设计变量中的不确定性，量化分析复杂不确定性对马赫数、动压、轴向过载系数及合成攻角等飞行姿态参数的影响，进而为飞行姿控及后续结构优化设计提供有效依据。     

基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。     

某船载无人操控天线末段跟踪的数引策略改进

从无人操控天线需要依赖数引完成目标自动捕获以及现有的主动段航天测量的数引模型精度不够的背景出发,指出提高数引精度即进行数引改进的必要性。然后结合末段跟踪的特殊性,从时差、视差和延时累积误差三个影响数引精度的最主要方面详细分析了它们的形成机理,并给出了各自的改进方法。