基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

自循环吸附动叶设计原理及数值模拟分析

研究了一种新型自循环吸附动叶,分析了其主要实现结构以及自循环吸附的原理。新型吸附结构利用动叶旋转离心作用形成的驱动力抑制了叶表分离、叶顶二次流动,增加了叶顶附面层动量,提高了动叶效率及稳定裕度。通过与传统的机匣处理技术的对比,阐明了自循环吸附动叶的独特结构以及叶顶喷气技术优势。以Rotor37动叶为例,依据基本的吸气、喷气原则,开展了吸气槽、叶顶喷气孔以及动叶内腔等自循环典型结构概念方案设计,突破了带有动叶内腔的复杂网格生成技术,完成了自循环吸附动叶内腔以及叶片通道内的流动分析以及特性分析。研究结果表明:自循环吸附技术优势明显,数值模拟证明其原理可行。     

基于冷态叶型生成叶片加工坐标的方法

建立了基于冷态叶型生成叶片加工坐标的方法,包括排序、插值加密、叠加位移量、去倒圆及端区叶型拟合等步骤.以某多级轴流压气机为例,应用该方法生成的加工坐标叶片除端区外主流通道叶高内误差在0.01mm以下,叶片表面波纹度和前后缘曲率良好.通过进口级的数值模拟表明:该方法生成的加工坐标叶片与冷态叶型的误差对气动性能影响小,流量-总压比-等熵效率特性变化微小,叶片进出口气流速度、方向及流场细节等变化较小,满足工程应用的需求.      

一种基于蜂拥策略的分布式无人机编队控制方法

在无人机编队控制中,传统的主从式集中编队控制方式需要大量信息交互,对机间通信的要求较高.针对具有虚拟领航者的分布式无人机自组织编队跟踪问题,运用有界蜂拥算法对无人机模型进行求解.首先,提出了一种有界控制输入的蜂拥算法,并对算法的稳定性进行了分析;其次,对无人机进行了建模,提出了虚拟受力点的概念,并对虚拟受力点进行受力分析,将算法中的加速度转化成无人机径向速度与偏航速度的更新,以达到分布式无人机编队自组织以及跟踪虚拟领航者的目的;最后,通过仿真验证了算法和模型的有效性.     

颗粒无序分布的堆积床内部流动与传热分析

为了详细分析单组元发动机催化床内部的流动与传热,针对颗粒无序分布的堆积床,提出了一种网格生成途径,适合于对大量颗粒自然堆积的管道流动进行数值模拟。根据该方法,对不同颗粒直径、不同进口速度的管道堆积床进行了液体介质的流动与非定常传热模拟,并与实验结果和Ergun方程计算进行了对比。结果表明,本文提出的方法可以有效模拟颗粒无序分布的堆积床内部流动与传热,适合于大量颗粒的堆积床仿真;网格尺度小于1/20颗粒直径时,模拟结果与实验结果符合很好;在相同雷诺数下,摩擦系数随颗粒直径增大而减小,Ergun方程在高雷诺数下计算的流阻偏大;非定常传热时,壁面效应会使壁面附近温度先接近流体温度。     

基于PID和LESO的无人机控制

针对四旋翼无人机控制模型耦合程度高、非线性关系复杂,设计了一种基于PID和LESO的控制方法,选取无人机的某个状态变量作为控制量,通过简化模型对状态变量进行解耦控制,进而在控制系统中加入线性扩张状态观测器(LESO),提高模型的抗干扰能力。通过仿真和实际飞行与传统PID方法进行比较,充分验证了自抗扰控制(ADRC)在无人机飞行控制中具有鲁棒性强、精度高、易于实现等特点。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。