深空X频段测速数据误差分析

X频段是深空测控的主用频段,其多普勒测速精度远高于S频段,这一结论在"嫦娥二号"任务X频段深空测控技术试验中得到了验证,测速精度约为1mm/s。针对X频段高精度测速,本文分析了目前采用的径向速度近似计算公式,理论分析其产生的误差在地月转移和环月轨道段可达1cm/s。通过"嫦娥二号"任务X频段测控技术试验,以事后精密轨道为基准进行残差分析,结果表明,相比精确公式,近似公式计算测速数据的残差会增加1mm/s,已与X频段测速精度本身相当,因此,多普勒测速近似计算在X频段测量中已不再适用,应使用本文中列出的精确计算公式。     

基于物理信息神经网络的气动数据融合方法

为了解决训练传统深度神经网络对大数据的依赖问题,气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络（physics-informed neural network, PINN）是一种非监督的学习算法,采用深度神经网络直接逼近流场偏微分方程的解,因此适用于气动数据的建模。然而训练PINN时,损失函数反映的是抽样点处神经网络所拟合的偏微分方程值的偏差,对于复杂的非线性偏微分方程,这一偏差不能准确反映神经网络所拟合的函数与微分方程解函数的偏差,而且用神经网络拟合初始条件和边界条件时,不可避免存在拟合误差,误差随空间和时间累计,这使PINN的建模精度相比传统的模型没有优势。为了解决这些问题,本文把PINN与流场的计算流体动力学（Computational Fluid Dynamics, CFD）仿真结果进行融合,在流场抽样点处的损失函数中增加了PINN在该点的输出与流场在该点的CFD值偏差,从而提高了神经网络的建模精度。根据CFD仿真时使用的模型,融合方式采用瞬时模式或时均模式。测试结果表明该方法能够有效提高PINN的建模精度。     

基于高阶间断伽辽金数值方法的浸没边界法

为了降低复杂边界条件下贴体网格生成难度,近年来基于笛卡尔网格的浸没边界法逐渐成为研究此类问题的主要数值方法之一,然而计算精度和计算效率仍然是此类方法目前面临的挑战。与传统的空间2阶精度的有限体积格式相比,空间精度为3阶或3阶以上的高精度方法具有空间精度高、数值分辨率高、数值耗散小的优点,而作为高精度数值方法之一的间断伽辽金方法在浸没边界方面的应用仍较少。本文将高阶间断伽辽金方法的高精度优势与浸没边界法无需贴体网格的优势结合起来,提出了适用于可压缩流动的高精度浸没边界法。其中边界条件采用体积惩罚方式实现,同时采用牛顿法迭代以及MPI并行提高计算效率,物面的数据重建采用插值点处的逆距离权重（IDW-IP）方法代替高阶格式下多项式插值方法。本文基于笛卡尔网格测试验证了二维定常和非定常情况下的数值模拟效果,并与传统贴体网格的计算结果进行了对比。     

基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法

准确预测退化设备的剩余寿命可以为设备维护管理提供重要信息支撑,进而避免设备运行中发生计划外失效、减少设备运行维护成本。针对工程实际设备广泛存在的非线性退化现象,提出了基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法。首先,采用Box-Cox变换对非线性退化数据进行线性化处理,在此基础上通过随机系数回归模型构建退化模型,并运用Bayesian理论与蒙特卡洛-期望最大化算法在线更新模型参数;然后,基于随机系数回归模型的特性,推导出剩余寿命的分布函数以及其点估计值;最后,通过数值仿真和锂电池实际退化数据验证所提方法的有效性。     

火星固体上升器最优推力条件及制导方法

两级固体上升器是大型火星样本回收计划中的重要组成部分,针对固体火星上升器在样品返回任务中的最优动力设计与耗尽关机多约束制导问题开展研究,提出了一种解析-数值融合的入轨段优化方法,最优解析方法为固体动力的优化设计提供理论依据,数值优化方法在理论最优解邻近进一步解决实际飞行中面临的耗尽关机制导问题。首先,为了分析与优化固体上升器最大载荷质量下的动力参数,基于庞特里亚金极大值原理构建了推力矢量方向的最优控制问题,推导出最优动力参数的新的必要条件来消去协态乘子矢量,进而获得了最优控制量的解析表达式。然后,针对上升器在实际飞行条件下面临的参数偏差及不确定性干扰,提出了一种融合最优解析解序列的二次型数值优化方法,该方法通过高效反向递归敏感度矩阵在线快速迭代计算出飞行指令,控制火星上升器在耗尽关机方式下高精度进入预定目标轨道。最后,推力矢量方向的最优解析表达式,通过与GPOPS优化方法的对比与分析,验证了在必要条件下的最优性与正确性,并给出了火星上升器的最优动力方案。数值仿真结果表明：在配置的参数偏差及不确定性干扰下,火星上升器采用所提的解析-数值融合优化方法,能够在耗尽关机方式下实现高精度入轨任务...     

基于深度学习的融合空域空管指令语义解析技术

随着无人机技术的快速发展,无人机数量与空域需求显著增长,无人机进入融合空域成为趋势。为改进传统的“人在回路”空管模式,提高融合空域的管控效率,对深度学习方法用于空管指令解析进行了研究。根据空管用语的特点对指令进行整理、扩充、分类和标注,编写了可用于自然语言理解模型学习的空管指令数据集。使用BiGRU-CRF模型作为深度学习的基础架构,加入注意力机制与意图反馈机制构建联合模型获取指令意图及指令参数。分别在空管指令数据集和ATIS数据集上进行了评估,结果表明模型在意图识别和槽填充任务较基础架构均有近1.5%的提升,证明论文方法具备实用性和有效性,为无人机自然语言指控技术的发展提供了有力支撑。     

基于数字孪生的无人机状态监测方法

当今无人机产业迅速发展,无人机状态监测对保障无人机的正常运行至关重要。依据数字孪生的构建框架,分别对无人机的物理模型、几何模型、行为模型、规则模型和数据模型方面进行构建,实现了具有实时交互能力的无人机数字孪生模型,从无人机的物理实体、数字孪生体与无人机的数据信息等方面出发,构建了一种实时数据驱动的无人机的数字孪生模型。并依据无人机机翼主梁的光纤应变传感器数据对主梁承受的载荷进行统计,根据雨流计数法成功计算出主梁所受的载荷大小,实现了对无人机状态的实时监测。     

基于改进YOLOv5的飞行员异常行为识别方法

为了快速准确地识别飞行员在驾驶舱内的异常行为,以保证航空安全,设计了一种基于改进YOLOv5算法的驾驶舱内飞行员异常行为识别方法。在YOLOv5的骨干网络中加入坐标注意力机制,获取在位置和方向上的特征信息,增强对注意力信息的敏感程度;改良交并比作为损失函数,提高模型计算速度和精度。训练自制飞行员异常行为原始数据集,实验结果表明,在模拟飞行驾驶舱中进行测试,能够准确快速识别飞行员的3种异常行为,平均精度达到98.3%,满足了识别要求。     

机器人原位铣削离散点云快速精简方法研究及应用

为了满足飞机装配机器人原位铣削对数字化高精度快速测量需求,开展了适应三维点云的双边滤波处理和快速精简算法研究,开发了点云快速处理与分析应用软件,实现了空间点云数据的降噪和精简处理,降低滤波对边界特征的损伤,有效保留了复杂构件圆角、筋条、空间曲线边界等关键特征。以典型样件为测试对象,通过与三坐标测量结果对比,验证了本文研究的有效性,软件接口开放性高,实现了与自动化设备的高度集成应用,避免了大量人机交互操作,缩短了数据处理时间,满足了机器人原位铣削的时效性需求。     

多功能安全分析平台在A320液压系统健康状态感知领域的应用研究

多功能安全分析平台（MSAP）是一种储存、加工QAR数据的系统,是国产自主可控的QAR大数据分析平台。本文使用MSAP,建立了A320系列机型液压系统的健康状态感知分析参数——最大液压压力和最大液压温度,最大液压压力的统计结果与第三方软件EMS的结果吻合良好,验证了多功能平台储存、加工等系统功能的有效性。