强信号背景下弱信号角度时延的联合Capon估计方法

针对强信号背景下弱信号角度时延联合估计过程中的弱信号数目难以精确估计问题,在分析Capon谱估计法估计信号DOA原理的基础上,将Capon谱估计法进行扩展,提出了一种在强信号背景下弱信号角度时延联合估计方法。为弥补Capon法分辨力较差的劣势,将扩展的Capon法与有高分辨性能的m-Capon算法结合,提出了一种改进的m-Capon方法,能区分来波方向接近的不同目标信号。研究和仿真结果表明:该方法无需对弱信号的信源数进行估计,也无需分解特征值,且在快拍数较少时仍具适用性。     

一种可用于航空发动机健康状态预测的动态集成极端学习机模型

提出一种动态集成极端学习机模型用于航空发动机健康状态预测.采用AdaBoost.RT集成学习算法对极端学习机（ELM）进行集成,在训练时采用每个训练样本的近邻样本对ELM的局域性能进行评估;在预测时首先确定新样本在训练样本集中的近邻样本,然后根据ELM在近邻样本上的性能来赋予集成权值实现弱学习机的动态集成.以燃油流量为指标进行航空发动机健康状态预测,动态集成ELM模型短期预测结果的平均相对误差绝对值（MAPE）为3.688%,小于单一ELM模型的3.830%以及静态集成ELM模型的3.719%;长期预测结果中动态集成ELM模型的MAPE为3.075%,小于单一ELM模型的4.355%以及静态集成ELM模型的3.884%.因此动态集成ELM模型更适用于航空发动机健康状态预测.      

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

一种基于信号合成的无线电干涉测量方法

针对后续深空探测任务更高测量精度需求,文章提出了一种基于信号合成的无线电干涉测量方案,并对方案性能进行了理论分析;结合目前主流信号合成算法,提出了一种基于相位补偿的Sumple算法,该算法不仅合成效率高,且合成信号与参考信号具有相同的相位特性,这是天线组阵技术应用于无线电干涉测量的前提;利用相控阵天线试验数据和DOR信号仿真数据对合成方案和合成算法进行了验证,结果表明信号合成处理可以提高无线电干涉测量时延估计精度,这在深空探测任务中具有重要意义。     

基于状态转移图的启发式深空探测器任务规划方法

针对深空探测器复杂系统并行及约束耦合等特点,在时间线描述框架的基础上,引入了状态转移图结构。通过分析探测器任务规划中的耦合约束关系,设计了转移图代价计算方法,并提出了基于状态转移图的启发式任务规划算法。利用转移图设计启发式对无关节点进行剪枝,削减了搜索空间,加速了搜索过程。数值仿真结果表明,该算法能够有效减少不必要的规划步数,提高任务规划的效率。     

基于双目视觉的非合作目标自主姿态估计方法

针对在轨服务任务对于空间非合作目标的自主相对导航需求,提出了一种基于双目视觉的自主姿态估计方法。该方法以Markley变量描述目标的姿态运动,并利用双目相机对目标表面的特征点进行观测,利用特征点的运动规律与目标姿态运动的相关性,并通过容积卡尔曼滤波算法实现了对非合作目标角速度与自旋轴方向的估计。数学仿真验证了所给出的姿态估计方法,并分析了估计精度的影响因素。     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

δ0.05mm薄钢带力学性能测试方法研究

研究了拉伸速率、试样类型、试样表面状态对δ0.05mm薄钢带力学性能测试的影响,通过数据对比,结果表明：拉伸速率对薄钢带的力学性能测试结果影响并不大,而试样的类型和试样的表面状态对力学性能测试结果有很大的影响;表面无缺陷的哑铃型试样可以满足检测要求,提高钢带检验一次合格率。     

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。     

分布式动力翼前飞状态动力/气动耦合特性

以分布式混合电推进飞行器技术研究为背景,针对分布式动力翼在前飞状态下动力/气动耦合特性开展数值模拟及分析。首先,通过对分布式动力翼各部件进行合理拆解,结合超椭圆方程、四阶Bezier曲线、CST (Class Function/Shape Function Transformation)参数化方法等构建了分布式动力翼复杂对象的参数化模型。然后,依次对动力翼二维剖面翼型、动力翼单元翼段、分布式动力翼整体动力/气动耦合特性进行了数值研究,并与常规翼型-机翼进行了对比分析。最后,梳理了分布式动力翼内外流耦合与其二维-单元-整体特性之间的内在联系,提出了关于分布式动力翼动力/气动耦合设计思路的建议。