RBCC可重复使用运载器上升段轨迹优化设计

针对火箭基组合动力(RBCC)可重复使用运载器(RLV)轨迹多段、多控制变量、推力与飞行轨迹耦合,飞行轨迹设计困难的问题,提出了基于高斯伪光谱方法的数值优化求解模型和求解方法,并获得满足要求的上升段燃料最省轨迹。将该轨迹分为3部分,分别由引射火箭、亚燃冲压和超燃冲压发动机提供动力,以攻角和燃料秒流量为控制变量,根据轨迹任务和各模态发动机启动及工作条件建立优化模型、设定各段末端和路径约束,利用高斯伪谱法求解最优轨迹并利用特殊方法计算边界控制变量。通过与传统方法所得轨迹的对比表明,所建立的优化模型和方法可快速求解出RBCC运载器上升段最优轨迹,优化结果符合RBCC运载器工作特点。     

奖状560XLS飞机刹车系统故障分析处理

介绍了奖状560XLS飞机刹车系统结构组成、工作原理,根据机组反应的一次典型故障现象进行分析并排除故障,可为该机型刹车系统的维护、故障诊断提供有效的借鉴.     

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

大攻角状态压气机分离流及叶片动力响应特性

为研究大攻角状态压气机转子内部分离区的脱落和传播过程及转子叶片对其动力响应问题,对某跨声速压气机级进行了非定常数值模拟和双向迭代流固耦合数值模拟。研究结果表明,在近失速状态,转子叶片通道内会周期性地发生2次叶背分离区的脱落和传播现象。第1个分离区主要表现出轴向传播特性,其会对下游流场产生影响;第2个分离区主要表现出周向传播特性,其会作用于周向相邻的转子叶片,对转子叶排自身产生激励作用,进而影响叶片表面压力分布,引起叶片较强的动力响应,对叶片结构强度的影响不可忽略。非定常/流固耦合计算手段能够较全面地预测流场中激励源的频率、幅值与位置等,在压气机设计阶段应对此类预测工作予以重视,以期更准确地预测叶片共振及动力响应等问题。     

基于高斯过程的机器人自适应抓取策略

在机器人抓取作业时,目标物体的位姿经常发生变化。为了使机器人在运动过程中能够适应物体的位姿变化,提出了一种基于高斯过程的机器人自适应抓取策略。该方法建立了从观测空间到关节空间的映射,使机器人从样本中学习,省去了机器人视觉系统的标定和逆运动学求解。首先,拖动机器人抓取物体,记录物体的观测变量和机器人的关节角度;然后,利用记录的样本训练高斯过程模型,实现观测变量和关节角度的关联;最后,当得到新的观测变量时,通过训练的高斯过程模型得到机器人的关节角度。经过训练后,UR3机器人成功抓取了物体。     

高职学生英语课外学习情况调查与分析

对重庆城市管理职业学院非英语专业二年级学生的英语课外学习进行问卷调查并对调查结果进行分析,针对调查结果存在的问题,提出提高高职学生英语个性化自主学习能力的建议,做到课堂英语教学与课外英语学习的有机统一。     

电子设备结构“解耦设计”理论及方法

文章运用结构动力修改的方法对电子设备的动力响应进行控制,即通过修改电子设备中机壳与电路板组件两部分的基频（指同一方向的基频,尤其是垂直于电路板方向）,使两者的基频相互错开来降低电路板组件的动力响应。采用两自由度基础强迫振动系统来模拟电子设备的振动响应,经分析给出了“非解耦系统”与“解耦系统”的概念,指出应将电子设备设计为“解耦系统”。最后对两自由度系统进行“分解”分析,给出了电子设备的“解耦设计”方法。     

基于QAR数据的民机高高原进近着陆风险评估方法

民机高高原进近着陆是高原飞行高风险阶段。为有效实施高高原进近着陆风险识别和等级判据,提出基于熵权可变模糊识别的长短时记忆网络与深度神经网络(LSTM-DNN)相融合的深度学习风险评估方法。基于快速存取记录器(QAR)记录的高高原飞行数据,借鉴民机飞行品质监控（FOQA）咨询通告和行业QAR监控标准,结合指标重要度分析与Delphi专家调查,提取着陆时航向变化大、航迹低、610～305 m进近时下降率大、接地时垂直加速度及153～15 m进近时下降率大5个关键监控项目作为民机高高原进近着陆风险评估指标。为克服评估指标权重主观性偏差,应用熵权法确定评估指标权重,基于可变模糊识别方法构建风险等级隶属函数,建立基于LSTM-DNN的民机高高原进近着陆风险评估模型。以成都—拉萨进近着陆航段为例,提取QAR数据,对该风险评估模型进行训练与测试,并与Logistic多元回归、支持向量机(SVM)等评估方法进行比较,结果表明：所提方法平均准确率达到94.18%,最高可达94.79%,验证了方法的客观有效性。     

基于顶点与主体区域同步检测的精准车牌定位

为应对非约束环境下的车牌精定位问题,提出一种基于顶点局部区域与主体区域同步检测策略的非约束性车牌定位算法。通过删减YOLOv5网络的输出结构,训练得到可同步检测车牌及顶点区域的车牌检测网络,在兼顾精度与计算速度的前提下,实现车牌顶点和主体区域的同步定位。针对一幅图中存在多个车牌区域及顶点区域存在少量漏检和误检的情况,分别设计了车牌顶点归类和单一缺失顶点预测后处理算法,借助顶点间的空间位置关系进行漏检目标预测和误检目标排查,有效改善了因场景复杂导致的个别顶点目标检测效果差的问题。所提算法在中国城市停车场数据集(CCPD)上的测试结果显示,平均精准率达99.25%,平均召回率达98.70%。所提算法不仅能够准确预测出车牌的4个顶点坐标,而且在中端GPU硬件平台上处理速度可达121帧/s,具有较好的应用价值。     

基于多模态掩码Transformer网络的社会事件分类

多模态社会事件分类的关键是充分且准确地利用图像和文字2种模态的特征。然而,现有的大多数方法存在以下局限性：简单地将事件的图像特征和文本特征连接起来,不同模态之间存在不相关的上下文信息导致相互干扰。因此,仅仅考虑多模态数据模态间的关系是不够的,还要考虑模态之间不相关的上下文信息（即区域或单词）。为克服这些局限性,提出一种新颖的基于多模态掩码Transformer网络（MMTN）模型的社会事件分类方法。通过图-文编码网络来学习文本和图像的更好的表示。将获得的图像和文本表示输入多模态掩码Transformer网络来融合多模态信息,并通过计算多模态信息之间的相似性,对多模态信息的模态间的关系进行建模,掩盖模态之间的不相关上下文。在2个基准数据集上的大量实验表明：所提模型达到了最先进的性能。