稀缺国际客运航权资源优化配置

为了合理配置国际航权资源,避免稀缺客运航权资源的恶性争夺,首次提出了国际客运航权资源优化配置问题,并构建了一个混合整数规划模型。该模型在旅客始发地-终到地（Origin-destination, OD）分布已知的基础上,针对两国多通航点的国际航权资源分配需求,以旅客出行总里程最小为目标,并综合考虑国际枢纽机场地位、航空公司的竞争力水平和市场份额。以国际航权资源、航空公司运营能力和航班客座率等为约束条件,将稀缺的航班资源合理分配给国内的航空公司和国际机场。然后设计了遗传算法求解该问题,并分别采用CPLEX和遗传算法进行算例实验,验证了模型的正确性和算法的有效性。最后针对中法两国间的航权资源分配进行了实际应用。     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。     

近地小推力转移轨道的加权组合制导策略

 研究了近地小推力转移轨道的制导问题,给出了一种基于局部最优控制律的自主制导算法。推导出了各改进春分点根数对应的局部最优控制律;通过最优推力分配和目标偏差两个策略,对各局部最优控制律进行动态加权组合,从而有效减少了制导律的设计参数。在此基础上,针对燃料最省转移轨道,定义了一种新的发动机开关函数。采用遗传/逐次二次规划混合优化算法计算了最优制导参数。与传统算法相比,该制导算法是一种闭环制导算法,能够实现飞行器的自主制导,并且制导过程中无需对制导参数进行更新。以地球低轨到高轨的小推力转移为例,采用该方法分别求解了时间和燃料最省转移问题,并与传统算法进行了比较分析。数值结果验证了该算法的有效性。     

CPR方法与高分辨率二阶格式的混合算法

重构修正方法（correction procedure via reconstruction,CPR）具有紧致高效的优点,但对较强激波的捕捉能力还相对较弱,而加权紧致非线性格式（weighted compact nonlinear scheme,WCNS）具有很强的激波捕捉能力。将基于高阶WCNS插值的二阶格式引入到高阶CPR方法中,构造了一种高效高分辨率的混合激波捕捉格式。首先,基于非线性权偏离线性权的程度的激波侦测器侦测出问题单元,并在问题单元附近引入缓冲单元,其余单元则标记为光滑单元。然后,针对问题单元和缓冲单元采用二阶格式计算,光滑单元采用CPR方法计算,构造混合格式。通过对等熵涡问题、含激波的问题以及激波旋涡干扰问题的数值模拟,测试了混合格式的精度、激波捕捉能力和计算效率。数值模拟结果充分说明了该混合格式具有很强的激波捕捉能力,同时在光滑区具有高分辨特性,可以应用于高超声速流动问题的高效数值模拟中。相比于基于高阶WCNS插值的二阶格式,此格式具有更高的计算效率和更高的分辨率。     

考虑吸气影响的层流翼型梯度优化设计

针对层流翼优化设计问题,推导考虑吸气影响的层流-湍流转捩耦合伴随方程,并结合链式求导法则、自动微分技术及CK(Coupled Krylov)算法实现耦合伴随方程的高效求解,构建基于离散伴随理论的混合层流(HLF)翼梯度优化设计系统。转捩预测采用基于扰动放大因子模型(AFM)的e^N方法。层流飞行试验结果表明,基于AFM的转捩预测方法能够有效捕捉吸气控制影响下T-S(Tollmien-Schlichting)扰动波失稳诱导的转捩现象。利用构建的梯度优化系统开展层流翼型多点设计,并与非梯度优化方法的优化结果进行对比。自然层流设计结果对比显示,不同优化方法得到的设计结果呈现出较强的一致性。混合层流翼型多点设计结果显示,混合层流优化具有比自然层流优化更强的减阻能力。相比于自然层流优化翼型,混合层流优化翼型分别减阻6.1%、5.9%、33.3%、9.5%。本文构建的基于离散伴随的层流翼梯度优化方法能使混合层流机翼的气动性能得到大幅提升,可为未来混合层流机翼减阻设计提供方法支撑。     

Dirichlet混合样本的EM算法与动态聚类算法比较

Dirichlet分布是一类包含正参数向量的连续多元概率分布,在比例结构问题中具有广泛的应用。针对Dirichlet混合样本的聚类问题,进行了最大期望（EM）算法和动态聚类算法研究。首先,推导其数学过程,并给出算法迭代步骤。然后,利用数字仿真实验,比较了EM算法与动态聚类算法两种机器学习算法在Dirichlet混合样本中的聚类效果。最后,计算对数似然函数值、程序运行时间、收敛迭代次数、聚类正确率、真正率（TPR）和假正率（FPR）6个评价指标。仿真实验结果表明,EM算法聚类正确率更高但是运算效率相对较低,而动态聚类算法运算效率较高但是损失了部分聚类正确率。因此,实际应用中建议综合权衡聚类正确率与运算效率的相对需求后,再选取合适算法进行Dirichlet混合样本聚类。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

燃油喷嘴螺旋槽的精密测量方法与系统设计

为了实现航空发动机燃油喷嘴上的螺旋槽特征的快速与精确检测,提出了螺旋槽的槽深、螺旋角和槽宽等参数的测量与计算方法,并基于此设计和搭建了一套非接触式的燃油喷嘴螺旋槽精密测量系统。该测量系统基于模块化的设计思想,其机械主体采用立柱移动型三坐标测量机的结构形式;运动机构由三个直线轴X、Y和Z以及一个回转轴A构成,电气控制模块采用了由上位机与下位机构成的主从控制方式,前端传感器选用了新型的锥光偏振全息激光测头,并应用专用夹具来实现被测喷嘴零件的装夹和定位。最后,选取某个燃油喷嘴样件作为被测目标,应用所搭建的测量系统对其上的多个螺旋槽特征开展了重复测量实验,并解算得到了槽深、螺旋角和槽宽的几何尺寸,而且系统所达到的测量精度能够满足检测需求。     

升力体式浮升混合飞艇多学科设计优化

升力体式混合飞艇是全球远距离大载重运输的重要选择,随着全球贸易的发展,逐渐成为国内外的研究热点。作为航空宇航技术、新能源技术和高性能材料技术相结合的新概念飞行器,混合飞艇设计过程需对多个学科进行综合考虑和优化。为了将多学科设计优化（MDO）方法引入到混合飞艇的总体设计中,将其分解为能源子系统、气动和推进子系统以及结构和重量子系统。在子系统模型构建的基础上,提出具有自适应能力的基于响应面的并行子空间优化（CSSO-RS）算法,将重量平衡和能量平衡作为实现远距离载重运输的约束条件,并提出爬升、日间巡航、滑翔和夜间巡航的多阶段任务剖面,以充分利用太阳能电池、燃料电池和锂电池的优势,实现混合飞艇的最优化设计。优化结果表明:具有自适应能力的优化算法在精确度和计算效率上均有明显的优势,同时重量分配的结果也为混合飞艇结构轻量化设计和能源系统设计提出了更高的要求。      

冰雪天气下基于MFOA-KELM残差修正的跑道温度混合预测

道面温度短时精准预测是跑道积冰预警的关键因素之一, 为了解决单一机理预测模型随预测时间延长而造成误差累积的问题, 提出了一种冰雪天气下跑道温度混合预测方法。将跑道温度机理预测模型与核极限学习机(KELM)相结合, 建立一种数据驱动修正残差的跑道温度机理预测模型。针对果蝇优化算法(FOA)收敛速度慢、易陷入局部最小值的问题, 引入权值更新函数和距离扩充因子, 调整果蝇的全局寻优效果, 避免陷入局部极小值。利用改进的果蝇优化算法(MFOA)对KELM的正则化参数与核参数联合优化, 以冰雪天气下跑道温度实际数据为例, 建立基于改进果蝇优化核极限学习机(MFOA-KELM)的跑道温度混合预测模型, 并在不同时间尺度下对该混合预测模型进行仿真测试。实验结果表明:与单一机理预测模型相比, 当预测时长为120 min时, MFOA-KELM混合预测模型的平均绝对误差至少减小了61.43%, 在残差阈值为±0.5℃时, 平均预测准确率为91.25%。可见, MFOA-KELM混合预测模型具有更高的预测准确性, 研究结论显示该混合预测方法能够为机场跑道温度短时精准预测提供新思路。