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。     

基于改进多模型的火星大气进入自适应估计方法

针对火星进入过程中大气密度等不确定参数对导航系统状态估计精度的影响,提出了一种基于改进混合专家框架的多模型自适应估计方法。该方法对进入过程中不同的测量信息进行规范化处理,以克服传统多模型自适应估计方法稳定性差、数值下溢等固有缺陷,进一步提高状态估计精度。将其应用于火星不同进入探测方式下的导航场景进行仿真分析。仿真结果表明:该方法在动力学系统模型参数存在不确定扰动时能获得精确的状态估计,可以满足未来定点着陆探测对导航系统的精度需求。     

基于稀疏重构的混叠脉冲序列的周期估计

针对于以往方法在克服抖动大和缺失率高的混叠脉冲信号周期估计上的不足,提出了一种基于稀疏重构的混叠脉冲序列的隐藏子周期估计新方法。该方法首先针对由多个具有不同周期的脉冲串混合而成脉冲序列进行插值重采样,然后利用由Ramanujan构造的周期字典,建立了混叠脉冲序列的稀疏表示模型,最后采用联合l_2,0混合范数算法求得混叠脉冲序列的周期估计。方法的优点是具有较强抗噪能力和抗脉冲缺失能力,并且不受初相的改变影响。所需要较少的脉冲数据长度就能得到准确的周期稀疏解。仿真实验表明,所提方法具有更好的估计性能。     

基于ESO的DGVSCMG双框架伺服系统不匹配扰动抑制

针对双框架变速率控制力矩陀螺（DGVSCMG）两种工作模式下内、外框架系统存在的不匹配干扰抑制问题,提出一种基于扩张状态观测器与状态反馈的扰动抑制方法。在对飞轮工作模式和陀螺工作模式下内、外框架系统的干扰进行建模和分析的基础上,针对其不匹配干扰设计了扩张状态观测器,通过坐标变换减小框架系统扰动对不匹配通道的影响,并结合状态反馈控制设计了复合控制器,同时对全局系统稳定性进行了分析。对框架系统进行的仿真结果验证了所提复合控制方法的有效性。实验结果表明,所提出的控制方法能有效减小耦合力矩对内外框架角速率带来的影响,在飞轮模式下使得内外框架的角速率跳动量分别降低了85%和78%,且在陀螺模式下使外框架角速率跳动量降低了75%。     

一种带随机时延和丢包的分布式多传感器融合估计方法

研究了分布式采样线性系统的最优信息融合问题。其中,传感器信息通过无线网络发送到中心单元,每个传感器的测量值受随机时延甚至丢包的影响,最优传感器融合设计为一个带有缓冲测量值的时变卡尔曼滤波器。进行了算例仿真与分析,表明了融合估计器的有效性。     

基于侧扫声纳图像的AUV侧向速度估计与DVL粗差检测

复杂水底环境和自主潜航器(AUV）机动会造成Doppler测速仪(DVL）速度测量结果中出现粗差,提出一种检测DVL速度粗差数据的方法。该方法利用侧扫声纳图像数据,结合SIFT特征匹配算法求取声纳图像的边缘特征点。根据声纳图像成像原理,计算出每一帧图像相对上一帧图像对应特征点像素的横向平移量;结合特征像素平移量与AUV实际横向位移的比例尺度关系以及声纳侧扫周期推算出AUV侧向速度。该侧向速度用于检测水下组合导航中DVL的速度粗差,在几十米水深的浅水区,该方法能够检测并剔除出大于0.2m/s的DVL侧向速度粗差,显著减小DVL前向速度误差。算法可实时实现,改善AUV水下组合导航性能。     

压缩感知OFDM稀疏信道估计导频设计

为提高稀疏信道估计性能, 基于压缩感知(CS)理论, 研究了正交频分复用(OFDM)系统中的导频设计问题。由于已有方法不能准确衡量采样矩阵重建性能, 从而导致根据已有方法设计的导频具有较差的信道估计性能, 因此提出以互相关矩阵元素的立方和为准则准确评价采样矩阵的重建性能。针对OFDM系统信道估计导频设计为离散组合优化问题, 提出了一种并行完全树分组替换搜索算法用于搜索最优的导频。在算法的每次循环中, 先将导频索引集合分组, 再根据每一组替换的结果更新导频, 提出的方法扩大了导频搜索空间, 避免了导频搜索的局部最优问题。仿真结果表明, 提出的评价方法相比现有方法能够准确评价采样矩阵重建性能, 使用提出的准则设计的导频与现有互相关准则相比信道估计均方误差可减小约3 dB。同时, 所提出的导频搜索算法具有更快的收敛速度和最优的导频搜索性能。