核磁共振陀螺高精度磁场驱动技术

核磁共振陀螺（NMRG）是利用激光与核磁共振气室中的碱金属原子和惰性气体原子的相互作用使核子以拉莫尔频率进动,并通过磁场驱动技术对气室磁场实现闭环控制和对剩磁进行补偿来维持核子的共振状态,进而能够检测载体的角速度信息。磁场驱动技术作为磁场闭环控制的重要部分,直接影响核磁共振陀螺的磁场控制精度和稳定性。为了解决核磁共振陀螺磁场控制精度和稳定性不足的关键问题,采用交直流分离设计的压控电流源方案改善磁场驱动问题,基于噪声分析理论对电路进行建模和噪声分析,并通过实验验证对三轴线圈的横向磁场控制精度达±0.046 2 nT,纵向磁场控制精度为±0.003 1 nT,实验证明该技术方案具有较强的工程应用价值。      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

基于F-P腔的激光频率稳定传递方法

量子传感的发展需要频率高度稳定的激光器为基础,且实现大失谐激光频率稳定通常是提高其精度和灵敏度的关键。针对大失谐激光稳频问题,提出了一种利用法布里-珀罗（F-P）腔传递激光频率稳定性的方法。以饱和吸收稳频法锁定的激光器频率为参考,基于锁相原理,锁定F-P腔长度。利用F-P腔长度这个稳定的参考点,实现目标激光器的频率的精确锁定。实验将目标激光器波长锁定于767.001 nm,失谐频率为150 GHz,锁定后的频率漂移为1 MHz/h。该方法解决了激光大失谐稳频问题,对工程实践和科学研究有重要意义。      

CCD器件用机械泵驱动两相流体回路仿真与试验

电荷耦合元件（CCD）作为航天光学遥感器的核心部件之一,其工作性能受温度影响很大,传统的热控产品难以满足大功率CCD的精密控温需求。通过仿真与试验系统研究了机械泵驱动两相流体回路（MPTL）用于CCD控温时的启动特性、运行状态、内部工质的流动及传热特性。结果表明:MPTL可以通过干度的调节来吸收冷凝器外热流和CCD工作模式的影响;MPTL的控温精度可以达到±1℃,蒸发器并联支路、蒸发器负载和冷凝器温度在一定范围内变化等均不会对系统运行稳定性产生影响,其仍可将CCD器件控制在所需温度;通过仿真与试验对比,发现仿真模型的误差在±1℃以内,验证了模型的有效性和准确度。MPTL可以很好地满足航天光学遥感器CCD的控温要求,能够保证CCD始终具有较好的温度稳定性和均匀性,且系统具有良好的运行特性和鲁棒性,其在CCD精密控温方面具有很好的应用前景。      

LPV模型的动态压缩测量辨识算法

在解决线性参变（LPV）模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用。但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量辨识（DCMI）算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。      

基于平流层风场预测的浮空器轨迹控制

平流层风场环境对浮空器设计和轨迹控制具有重要影响。针对平流层风场建模,以长沙地区2005—2010年的风场数据为例,首先采用本征正交分解（POD）方法对风场数据进行降阶处理;然后分别采用Fourier级数与BP神经网络算法对平流层风场进行预测,并对2种模型的预测精度进行比较分析;最后通过建立临近空间浮空器的动力学模型和高度调控模型,分析2种风场预测模型对浮空器轨迹控制的影响。研究结果表明,相对于Fourier预测模型,基于BP神经网络预测模型的预测精度更高,可信度更强,能够更好地为浮空器飞行轨迹控制提供参考价值。      

基于降阶模型的翼型结冰冰形预测方法

翼型结冰冰形的数值模拟预测通常比较复杂耗时,为了更加快速准确地预测冰形以减少计算资源消耗,建立了基于本征正交分解（POD）和Kriging模型的冰形快速预测方法。利用CFD数值模拟结果来构建样本空间,以飞行迎角为例详述了降阶模型的冰形预测的实现手段,并结合试验设计方法,完成了多参数的结冰冰形快速预测,同时研究了先进的Blind-Kriging模型的相关方法以及对于预测结果的改进。结果表明,降阶模型预测翼型结冰冰形与CFD数值模拟结果吻合较好,表明降阶模型可以快速、精确地应用于翼型结冰冰形预测。      

几何不确定性区间分析及鲁棒气动优化设计

不确定性因素会导致飞行器偏离预先设计的气动性能,造成气动性能下降甚至产生严重的后果。针对工程中无法给出准确的几何不确定性概率分布以及跨声速条件下非线性气动问题,对几何不确定性的非概率参数化建模进行了研究,并结合Kriging模型及最优化方法建立了快速非线性区间分析方法。采用该方法对对称翼型进行不确定性分析,获得了气动性能参数的定量变化区间。在区间不确定性分析基础上建立了鲁棒优化设计流程。基于区间序关系及区间可能度转换模型将单目标区间不确定性优化问题转化为多目标确定性优化问题,并采用基于Pareto熵的自适应多目标粒子群算法对优化问题进行寻优。考虑几何不确定性以及升力、力矩、面积约束,以阻力性能为目标对超临界翼型进行了鲁棒优化设计。与确定性优化设计结果对比表明,确定性优化设计在不确定性因素的影响下易失效,而鲁棒设计可得到更安全可靠的结果。      

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。