A multi-aircraft conflict detection and resolution method for 4-dimensional trajectory-based operation

Conflict Detection and Resolution(CDR) is the key to ensure aviation safety based on Trajectory Prediction(TP). Uncertainties that affect aircraft motions cause difficulty in an accurate prediction of the trajectory, especially in the context of four-dimensional(4D) Trajectory-Based Operation(4DTBO), which brings the uncertainty of pilot intent. This study draws on the idea of time geography, and turns the research focus of CDR from TP to an analysis of the aircraft reachable space constrained by 4D waypoint constraints. The concepts of space–time reachability of aircraft and space–time potential conflict space are proposed. A novel pre-CDR scheme for multiple aircraft is established. A key advantage of the scheme is that the uncertainty of pilot intent is accounted for via a Space-Time Prism(STP) for aircraft. Conflict detection is performed by verifying whether the STPs of aircraft intersect or not, and conflict resolution is performed by planning a conflict-free space–time trajectory avoiding intersection. Numerical examples are presented to validate the efficiency of the proposed scheme.     

倾转旋翼机巡航状态旋翼滑流影响

倾转旋翼机由于需要兼顾垂直起降和高速平飞2种典型工况下的动力需求，采用大直径旋翼作为推进装置会使机翼大部分处于旋翼滑流区内，这与常规螺旋桨飞机存在较大差异。为评估不同数值计算方法并研究旋翼滑流对倾转旋翼机气动特性的影响，针对选取两叶旋翼的某倾转旋翼机方案，利用激励盘模型、多参考系（MRF）模型、滑移网格模型分别进行了巡航状态下旋翼滑流对全机气动特性影响的数值模拟研究。结果表明:相对于无滑流状态，滑流定常影响使全机阻力增大，最大升阻比降低了7.5%，尾翼产生的升力增大，纵向静稳定度增加了17.1%，全机低头力矩增大；当迎角较小时，滑流虽然改变了机翼表面的升力分布，但是全机升力变化不大；滑流非定常影响会使全机气动特性产生周期性波动，升力系数波动幅度为9.0%，阻力系数波动幅度为10.8%，并且随着迎角的增大，波动幅度也越大。      

高温环境下大尺度薄壁结构的电性能优化设计

考虑温度引起的热变形和材料电磁参数变化对天线罩电性能的影响,基于口径积分-表面积分法(AI-SI)和有限元法(FEM),提出了高温环境下天线罩电性能分析方法;进而基于粒子群算法(PSO),建立了计及热效应的天线罩结构电性能优化流程。分别选取常温环境、均匀高温环境和非均匀高温环境三种典型工况,对比研究了温度对天线罩电性能的影响规律,并对天线罩电性能进行了优化,研究结果表明:高温会引起天线罩透波系数的下降和瞄准误差的上升,在天线罩优化设计中应重视温度对电性能的影响;计及热效应的天线罩结构电性能优化方法能显著提升天线罩的透波系数、降低瞄准误差,具有良好的优化效果。     

失效概率矩独立全局灵敏度分析的高效算法

失效概率矩独立全局灵敏度分析对指导可靠性优化至关重要，本文从乘法降维及Edgeworth级数展开的角度提出一种失效概率矩独立全局灵敏度指标分析的高效算法。所提算法通过Edgeworth级数展开将失效概率矩独立全局灵敏度指标的求解转化为输出无条件及条件前四阶整数矩的求解。对于输出的无条件及条件四阶矩的计算，基于乘法降维的思想，本文推导了重复利用计算输出的无条件矩的输入输出样本来计算条件矩以及外层关于输入变量一维积分的计算公式，使得仅需重复利用输出无条件前四阶矩求解产生的积分网格内的数据即可同时求得输出的前四阶条件矩以及外层关于输入变量的一维积分。所提算法大大提高了失效概率矩独立全局灵敏度的分析效率。航空发动机涡轮盘以及汽车前轴的分析结果验证了所提算法的高效性及准确性。     

月球表层采样样品智能确认方法

表层采样是月球采样探测的重要方式，样品智能确认有助于提升工作效率与复杂问题处理能力。结合月球表层采样铲挖工作过程，分析了铲挖过程中臂载相机图像的特点，模仿有人参与识别过程，提出了层次解耦的月球样品智能识别流程，利用深度学习方法构建了一类深度卷积识别网络，完整地描述了图像、特征、标记在网络中的正反传递关系，并在月球表层采样地面试验中进行了验证，结果表明该方法对不同光照、不同背景、不同过程、不同形态的样品，具有较好的泛化识别能力，误识别率优于8.1%，平均单幅识别时间约0.7 s。     

基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

硝化纤维素溶冰冻过程中的折光指数增量

用定量体积排斥色谱（ＳＥＣ）的方法,以示差分析检测器的响应为基础,测定了硝化纤维素溶液冰冻及其加热以后的折光指数增量,结果表明,冰冻后,由于分子链发生链内聚聚（缠结）硝化纤维素分子链周围溶剂化溶剂分子数减少,使硝化纤维素溶液的示差折光指数增量增加,加热后,由于硝化纤维素分子链获得能量,链内缠结点解开,溶剂化溶剂分子数增加,造成硝化纤维素溶液的折光指数增量降低,由此建立了以折光指数增量为基础,估算经