基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用 神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码（SAE）网络从高维传感器数据中提取健康因子（HI）,采用1维卷积神 经网络-双向门控循环单元（1D-CNN-BGRU）方法捕捉HI序列中的空间和时间特征,并引入自注意（SA）机制对捕捉的特征分配 权重,使用全连接层输出涡扇发动机剩余使用寿命（RUL）,以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结 果表明：利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评 分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机 维修保障及健康管理提供有效决策支撑。     

机上电缆分布参数干扰设备精度检测分析

在某型飞机的试飞过程中，发现大气数据传感器的输出信号在传输线上，有分布电容对其进行干扰而产生自激，影响了传感器的数据精度。经过分析和对比试验，提出了在成品设备直流输出高、低端各接一级消激电路，来消除分布电容引起的自激干扰，提高成品设备的抗干扰能力。通过机上试验，验证了该方法的有效性。     

移动质心再入飞行器建模及自抗扰滚动控制

基于移动质心滚动控制方案,研究了其动力学系统建模和非线性耦合系统控制的问题。不同于移动质心控制系统建模中常用的牛顿力学建模和常规拉格朗日建模法,采用准坐标形式的拉格朗日法建立了完整的系统动力学方程,避免了牛顿力学中复杂的相互作用力分析和常规拉格朗日建模法物理意义不明确的缺点。鉴于移动质心滚动控制系统的非线性、耦合性和时变性,提出把系统的非线性耦合项和外部干扰统归为未知扰动,并采用自抗扰控制(ADRC)技术进行估计和补偿,相对于常用的比例微分(PD)控制,自抗扰控制器能更好地适应系统参数的变化,具有很强的鲁棒性。最后,通过数学仿真验证了整个控制方案的可行性。     

基于序列趋势和集合距离的UAV态势相似性度量方法

在无人机（UAV）自主作战与智能决策的过程中,无人机获取的新态势与历史态势的相似性度量是态势评估与作战决策的重要环节,而现有的相似性度量方法主要处理离散时刻态势,采用的欧式距离等方法对数据敏感,不符合作战态势特性,且处理效率低下,针对该问题,提出基于序列趋势和集合距离的UAV态势相似性度量方法。该方法首先选取UAV作战态势要素并以时间序列形式表征数据;然后,使用经验模态分解方法提取历史态势与新态势的序列趋势以度量序列趋势的相似性;最后,对趋势相似的每条态势序列进行自组织映射聚类,得到若干聚类中心构成集合,利用最优子模式分配距离度量集合间的距离,提取集合距离较小的部分获得与新态势相似的历史经验态势。通过公用数据集的分类效果比对实验以及作战仿真态势的相似性度量实验,表明该方法能够有效度量两序列之间的相似性程度,度量效果好,分类实验中分类精度较传统方法最高提高18%,且方法简便,具有一定的实用价值。     

基于ARMA模型的引信系统动态精度测定方法

引信系统静态试验满足精度指标后,要在导弹和目标处于相对运动的状态下,进行动态精度测定以检查引信系统输出值相对标准值的误差,决定是否需要校正精度。对引信系统误差序列建立ARMA模型后,使用现场数据辨识模型参数,并使用残差白性分析和零极点分析对模型进行了检验,基于该模型所预测的误差数据,对引信系统的动态精度进行简易测定,其结果与靶场试验测定结果一致,表明该方法可作为一种适用于现场的动态精度测定方法。     

捷联惯导/星敏感器组合系统的在轨自标定方法研究

研究了捷联惯导/星敏感器组合系统中对陀螺仪和星敏感器进行在轨自标定的方法。分析捷联惯导系统和星敏感器的误差源,对陀螺仪随机漂移和星敏感器安装误差进行建模并列入系统状态,建立系统状态方程;利用捷联惯导输出的载体位置、姿态与星敏感器输出的姿态矩阵来构造量测,建立量测方程。设计卡尔曼滤波算法,经过滤波计算获得陀螺仪随机常值漂移和星敏感器安装误差的估计值,从而实现组合系统的在轨自标定。仿真结果表明,基于卡尔曼滤波的在轨自标定方法能够标定出85%以上的陀螺仪随机常值漂移和95%以上的星敏感器安装误差。     

可重复使用飞行器鲁棒自抗扰控制

为可重复使用飞行器再入提出一种新的鲁棒自抗扰控制方法.针对一般多输入多输出模型,重新定义状态变量后,分别设计各通道的线性扩张状态观测器.之后提出自抗扰控制系统的一套鲁棒分析与设计方法.应用于姿态控制时,引入最速跟踪微分器对姿态角指令进行滤波,以解决倾侧角反转过程中快速性与抗饱和之间的矛盾.仿真结果表明,设计的控制系统解耦效果良好,鲁棒稳定性较强,饱和问题也得到解决.     

箭载SINS快速自对准技术

为适应运载火箭快速发射需求,捷联惯导系统采用自对准技术逐渐取代了复杂的光学瞄准系统。针对初始对准中Kalman滤波器收敛缓慢的问题,提出了基于低通滤波的运载火箭快速自对准方法。该方法基于凝固惯性系自对准算法,采用移动窗双矢量构造方案,实现了自对准实时解算。通过在凝固惯性系间姿态转换矩阵后端引入低通滤波器,降低杆臂效应引起的有害加速度影响,保证自对准精度。该方法不需要进行复杂的Kalman滤波运算,能够快速收敛,工程实现简单。数字仿真和试验数据表明,采用基于低通滤波的凝固惯性系自对准方法可以达到Kalman滤波对准同等级精度的同时缩短对准时间到5min以内,验证了该方法的有效性。     

基于数据挖掘的飞行器气动布局设计知识提取

为了更深入地理解飞行器气动布局设计优化中多目标/多设计变量间的影响关系,提高优化模型的科学性及优化效率,对基于数据挖掘技术的飞行器气动布局隐含设计知识提取问题开展了探索研究。以高升阻比滑翔飞行器布局设计优化问题为例,基于当前比较有代表性的方差分析、等度量映射、决策树、自组织映射4类机器学习算法对气动布局优化设计中产生的中间数据进行了挖掘分析。对不同方法得到的升阻比、横/侧向稳定性及容积率4种目标性能间的权衡关系,目标性能与设计变量间的敏感性关系及产生较优布局外形的设计变量取值规则进行了综合对比分析,凝练形成了适用于该类飞行器的设计知识,同时对4种方法的特点及适用性进行了总结分析,给出了相关结论。     

自学习自适应INS／Doppler组合导航系统

本文通过引入文［１］提出的自学习适应Ｋａｌｍａｎ滤波，而将氢此组成的具有自学习功能的智能组合导航系统直接建立在噪声分布密度的异步自学习估计上，由于此时的ＬＡＫＦ在每次重复滤波实验后可离线异步地学习模型与量测噪声的统计特性，从而可有效地避免滤波发散现象并能确保实时性。文中结合某飞行器，对ＩＮＳ／Ｄｏｐｐｌｅｒ组合导航系统进行了仿真研究，所得结果十分满意。