基于变权重-正态云模型的飞机轮胎滑水风险

针对飞机轮胎滑水行为的随机性和模糊性特征，提出基于正态云模型的滑水安全评价分析方法。引入变权理论动态调整权值，采用惩罚性变权函数降低常权权值对评价结果的主观影响。构建飞机轮胎滑水流固耦合仿真分析模型，选取飞机轮载、滑行速度、积水厚度、道面摩擦系数及刻槽深度作为风险影响因素，基于单因素云模型数字特征及变权向量求解综合隶属度，建立多元决策下的飞机滑水风险等级及划分标准。以某山区多雨机场轮胎滑水事件为实例进行验证，结果表明：以传统临界滑水速度指标进行条件判定仅得出允许起降的一般结论；对比常权和变权评价结果，工况1安全系数由1.09提高至1.17，工况2由2.09提高至2.94，可定量描述道面起降环境差异，滑水风险仍在可接受范围内，变权评价结果偏于保守；工况3安全系数由3.13提高至3.74，滑水风险上升至Ⅳ级，即使道面积水厚度符合上限要求，轮胎滑水发生几率仍有可能显著提高，与实际风险情况基本一致，对道面运行安全分级管理具备参照性。     

自适应遥测信道速率的分包遥测调度方案

在卫星分包遥测静态分配适应单一遥测信道的方案基础上,提出了一种改进型动态自适应遥测信道速率的遥测分包方法,将包传输的控制参数由绝对参数优化为相对参数,从而满足不同信道速率、不同包源速率下的包传输适应性.该方法通过将遥测包周期计数与遥测包静态分配的传输周期的比值作为遥测包传输等待迫切比例系数,用相对的传输迫切比例系数值对全部遥测包进行排序,从大到小组入遥测信道下传.通过这种遥测包调度策略解决了遥测信道速率变换对包传输控制的影响.此外通过调节遥测包传输比例系数也能很好地解决遥测包数据率变化对信道传输的适应能力的影响,如数据率增加时整体降低包传输频率、数据率减少时整体加快包传输频率.     

基于动态逆-滑模的高速飞行器控制器设计

吸气式高超声速飞行器巡航状态下飞行环境复杂,建模时存在非线性以及参数摄动.基于小扰动假设的传统经典控制理论难以适应当前任务对鲁棒性的要求,对此提出了一种非线性动态逆-滑模控制律改进方法.通过对吸气式高超声速飞行器模型精确反馈线性化得到解耦形式的线性方程,为速度和高度设计出动态逆控制律来抵消非线性特性,在动态逆的基础上采用滑模变结构来补偿参数摄动带来的误差.仿真结果表明,所设计的控制方法具有良好的动态性能及鲁棒性.     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

情感因素对语言学习的影响

情感因素对语言学习具有重大的影响.在学生智商水平相当的情况下,情感差异会导致学生学习成绩的高低之分.情感差异是由家庭、环境、情趣、学习方法等综合因素造成的.积极的情感会对学生的学习起到促进作用;反之,消极的情感则会阻碍学生的学习.教师在教学中应善于引导学生,促进学生积极情感的产生,减少消极情感的作用,以提高教学效果.     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

基于联邦学习的星群故障诊断

针对卫星编队中单颗小卫星欠配置、测量信息不全和故障类型数据少等问题,提出一种基于联邦学习的卫星编队故障诊断方法.基于故障影响下的卫星动力学模型,利用Unity3D引擎搭建虚拟仿真环境,为后续卫星故障注入及故障数据产生奠定基础.考虑单个小卫星测量配置不全的问题,采用双向协调网络(BicNet)构建卫星本地故障诊断模型,借鉴邻居卫星的“远端”敏感器信息,实现本地卫星故障诊断.采用联邦学习框架进行分布式训练,每颗卫星上传本地模型参数进行协同建模,在不增加通信压力的情况下,整合整个星群的故障特征,提高星群对不同故障类型的故障诊断能力.所设计的编队故障诊断算法在编队卫星数量变化时也无需重新训练诊断网络,满足“即插即用”的工程需求.通过仿真实例验证,在测试集上精度达到99%,表明该方法有较高的准确性.     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

三轴陀螺稳定平台伺服回路全姿态解耦及变增益控制方法

在载体大机动飞行背景下,要求惯性平台具备全姿态的功能。国内现有的三轴陀螺稳定平台（简称三轴平台）不具备全姿态的功能,在内框架增加了限位挡钉以限制内框架角的工作范围,主要是基于内框架角不能工作在接近于?90?的认识。为了准确描述全姿态条件下三轴平台的运动规律,本文指出了传统动力学推导过程中的不足之处,重新建立了三轴平台的动力学模型,基于该模型给出了非奇异的全姿态伺服回路并提出了一种新的全姿态解耦方法,包括力矩解耦和转动惯量解耦。最后,针对转动惯量在框架转动过程中非定值的问题,提出了基于H∞控制理论的变增益控制策略。仿真结果表明,变增益控制器相对定常参数控制器可显著改善三轴平台伺服回路控制的性能。