航空发动机智能加工技术进展研究

针对航空发动机复杂构件加工领域,智能加工技术是关键构件加工过程的重要技术保障.通过分析目前航空发动机智能加工技术中存在的问题,揭示智能加工技术的内涵、意义和特点;阐明智能加工过程中的关键技术及发展现状和进展,指出对应的科学问题和实现方法,从而为航空发动机高品质、高可靠、高效率制造提供技术支撑.     

机载智能泵源系统的开发研制

针对飞机高压、大功率所带来的节流损失急剧增加的问题,提出了一种根据飞机工作任务设定工作模式和输入给定量的智能泵源系统. 其控制与管理实际上是一个递阶计算机控制系统,上位机(机载公共设备管理计算机)负责根据飞行任务选择泵的工作模式和输入量设定(必要时还可以包括控制律的选择和控制参数的设定),下位机负责现场控制律的实现、控制量输出和数据采集等工作. 研制了智能泵的微控制器和原理样机. 所构成的智能泵源系统可以根据飞行任务需要选择工作模式并自动设定相应的输入量(压力、流量或负载敏感压差),实现对功率利用情况的有效管理,从而有效抑制系统的温升并提高飞机的机动性和生存能力.      

无人机全空域飞行影响因素分析

进入全空域飞行是未来无人机发展的必然趋势,所面临的关键问题是安全性和空中交通管理.根据无人机大、中、小型,低、中、高速并存的特点,分析了无人机安全性和影响其全空域飞行能力的关键因素与改进方法,包括建立分类管理机制,提高自主导航与控制能力,进行动态任务规划,采取协调机制,增强环境感知与规避能力等.进一步提出了无人机空域飞行的建模/仿真理论框架,目标是在提高无人机可靠性的基础上,使其具备全空域飞行能力,从而降低无人机使用成本、提高空域共享能力,实现有人机、无人机共享空域.      

空间智能控制技术国家级重点实验室第三届学术研讨会征文通知

空间智能控制技术国家级重点实验室第三届学术研讨会将于2009年7月召开,地点待定,主题为“深空探测航天器自主控制技术”。研讨会由空间智能控制技术国家级重点实验室和《空间控制技术与应用》编辑部共同主办。     

“空间控制技术与应用”专题学术研讨会顺利召开

空间智能控制技术国家级重点实验室“空间控制技术与应用”专题学术研讨会于2008年10月28日在重点实验室学术报告厅召开。会议由重点实验室和《空间控制技术与应用》编辑部共同主办。除重点实验室学术委员会成员到会外,来自清华大学、北京航空航天大学、哈尔滨工业大学、国防科技大学和北京科技大学等单位的28位代表应邀参会。     

未来智能跨域弹性防御体系展望及关键技术分析

智能化赋能、全维度攻防、弹性分布式协同已经成为未来攻防对抗作战体系发展的重要方向,面向未来全域立体攻防体系对抗,本文全面分析了未来智能跨域弹性防御作战需求,提出了未来智能跨域弹性防御体系构建思路和发展趋势,分析了智能化跨域弹性防御作战的关键技术,以支持未来智能跨域弹性防御作战体系建设。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

飞行器集群协同制导控制方法及应用研究

分析了目前多飞行器协同作战的发展现状与趋势,指出了多飞行器以编队形式进行协调与配合,可以有效提高突防概率与作战效能。针对飞行器集群协同制导控制技术,分析梳理了相关的技术难点。然后,分别对协同任务规划与动态目标分配方法和多飞行器编队协同控制方法、多约束条件下的分布式协同制导方法的国内外研究现状进行了介绍。最后对飞行器集群协同制导控制技术进行了总结,并对未来的发展方向进行了展望。     

基于多智能体的多机型协同作战决策系统模型研究

多机型协同作战决策系统开发是一项很复杂的工程,各组成要素之间的活动很难进行定量分析和描述,战场情况也复杂多变,具有不可预见性和不可再现性。文中基于目前多机协同作战仿真的发展现状,运用多智能体(Multi-agent)技术,提出了多机型协同作战复杂系统分析与设计决策仿真模型;介绍了运用群建模和开发工具对基于Multi-agent的多机型协同作战决策系统仿真的实现。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。