一种变论域模糊自适应导引律研究

针对空空导弹的导引律问题，基于模糊逻辑和遗传算法．提出了一种论域自调整的进化模糊导引律。将导弹与目标的接近速度以及导弹的视线角速度作为模糊控制器的输入，指令加速度作为输出，并在传统的模糊逻辑控制基础上引入了一个非线性变论域函数，从而实现了模糊变量论域的动态改变，然后使用遗传算法对导引规则进行了寻优。以某型空空导弹模型为对象使用MATLAB对导弹攻击过程进行了仿真。仿真结果表明，该方法的机动过载小，拦截飞行时间短，是一种较为优越的制导方法。     

模糊控制器中的智能积分

分析了传统模糊控制稳态精度差的缺陷，引入了智能积分以减少稳态误差和避免积分饱和，采用△ｕ＝ｆ（ｅ，ｅｃ）＋Ｅｄｔ（当Ｅ·ｃ＞０或ｃ＝０而Ｅ≠０）及△ｕ＝ｆ（ｅ，ｅｃ）（当Ｅ·ｃ＜０或Ｅ＝０）（其中ｅ为系统误差，ｃ为系统误差变化，ｆ（ｅ，ｅｃ）为模糊控制器输邮，ＫＫＥｄｔ为智能积分输出，△ｕ。为模糊控制器总输出）。然后设计了一个自组织模糊逻辑控制器以实现快速响应和小的超调，在金属镁还原炉上运行后获得较理想的效果。     

自修复飞行控制的数学模型

对于无法使用冗余技术的结构故障及损伤，欲最大可能地保证飞机的飞行安全，最有前景的方法是采用自修复技术。本根据自修复飞机的特点，明确规范了自修复飞机的若干基本假设，提出了自修复飞机控制输入、操纵输入、指令输入、修复输入以及操控因子等特有的新概念，以及它们之间的相互关系，为研究飞机的自修复控制提供了简单可靠的数学模型结构。     

基于AR/CGARCH模型的液体火箭发动机自适应阈值故障检测算法

为了解决传统自适应阈值算法对时间序列方差跟踪能力不足,以及故障阶段带宽自动放大的问题,提出了紧广义自回归条件异方差（Compact General Auto-Regressive Conditional Heteroskedasticity,CGARCH）模型。针对液体火箭发动机稳态试车数据的波动性特点,提出一种基于自回归（Auto-Regressive,AR）模型和CGARCH模型的自适应阈值故障检测算法。采用AR模型对稳态参数的均值进行估计,并采用CGARCH模型对稳态参数的方差进行估计,从而利用均值和方差的估计值自适应地构造检测阈值。用某氢氧火箭发动机的热试车数据进行验证,结果表明,该算法能够准确、快速、灵敏地检测液体火箭发动机故障,在正常工作阶段,能够有效跟踪数据波动性,在故障阶段,能够避免阈值变宽带来的漏检。     

基于改进YOLOv5的无人机实时密集小目标检测算法

无人机航拍图像与自然场景图像相比背景更复杂,存在大量密集小目标,对检测网络提出了更高的要求。在保证目标检测实时性的前提下,针对无人机视角下密集小目标检测精度低的问题,提出一种基于YOLOv5的无人机实时密集小目标检测算法。首先,将空间注意力(SAM)与通道注意力(CAM)相结合,改进CAM中特征压缩后的全连接层,降低计算量。另外,改变CAM与SAM的连接结构,提高空间维度特征捕获能力。综上,提出一种空间-通道注意力模块(SCAM),提高模型对特征图中小目标聚集区域的关注程度;其次,提出一种基于SCAM的注意力特征融合模块(SC-AFF),根据不同尺度特征图自适应分配注意力权重,增强小目标的特征融合效率;最后,在主干网络中引入Transformer模块,并利用SC-AFF模块改进原有的残差连接处的特征融合方式,更好地捕获全局信息和丰富的上下文信息提高复杂背景下密集小目标的特征提取能力。在VisDrone2021数据集上进行实验,YOLOv5s基准下,改进后模型的mAP₅₀提高了6.4%,mAP₇₅提高了5.8%,对高分辨率图像的FPS可达到46...     

自粘型聚硼硅氧烷复合材料性能

聚硼硅氧烷属于超分子材料,材料本身具备物理交联网络结构,具有耐高低温、耐候、电绝缘、自修复等特性,但现有方法制备的聚硼硅氧烷材料力学性能差,限制了其在一些领域的应用。本工作采用高分子量聚甲基乙烯基硅氧烷（VMQ）与硼酸（BA）在高温环境下反应,制备一种含乙烯基的聚硼硅氧烷,通过引入乙烯基结构和气相法白炭黑,经热硫化处理,得到具有表面自粘性的聚硼硅氧烷复合材料。测定聚硼硅氧烷复合材料的结构、动态力学性能、热稳定性、力学性能以及自粘性能,通过红外反射光谱确认B—O—Si结构。结果表明：聚硼硅氧烷复合材料的内部形成了B∶O动态键,材料表面具有一定的自粘性能,自粘形成的剥离强度能达到4 N/cm,拉伸强度可达4.154 MPa,5%热失重温度为394.8℃,具有良好的力学性能和热稳定性。     

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。     

气相爆轰波马赫反射非自相似性特征的实验

为了研究在CJ(Chapman-Jouguet)状态下气相爆轰波马赫反射的非自相似性特征,搭建了由驱动段、传播段以及观测段组成的矩形管道;利用纹影和烟膜实验方法分别对3种预混气发生马赫反射现象进行了实验研究.实验结果表明:对稳态或非稳态气体,测量了马赫反射三波点位置高度,验证了马赫反射三波点轨迹线为波动的曲线,即自相似性对爆轰波马赫反射失效;非自相似性的重要特征是三波点轨迹线在楔角初始位置时基本遵循无反应冲击波理论计算结果,随后逐渐偏离并向有反应冲击波转变,之后接近平行于反应冲击波理论计算并稳定地处于两个理论值之间.最后给出在初始压力为10kPa和楔角为30°的条件下,对于所研究的3种气体,其马赫反射三波点发生转变的位置高度分别约为0.8,1.05cm以及0.5cm,可见相同初始条件下非稳态气体的马赫反射发生转变比稳态气体提前.      

燃烧室构型对固体燃料超燃冲压发动机自点火的影响

数值研究了PMMA（聚甲基丙烯酸甲酯）在带凹腔的固体燃料超燃冲压发动机燃烧室中的瞬态自点火机理以及燃烧室构型对自点火的影响.基于求解非定常二维轴对称RANS（Reynolds-averaged Navier-Stokes）方程建立数值模型,湍流模型采用SST（shear stress transport） k-ω模型,燃烧模型采用有限速率/涡耗散模型.结果表明:反应物在凹腔提供停留时间内,产生的化学反应热能够持续积累并提高,使得反应气体达到点火温度时,燃烧室能够实现自点火.凹腔长度、凹腔直径、收敛角和平直段直径是燃烧室构型中影响自点火的主要因素.并提出了一种阶梯式凹腔构型,用于增强自点火性能.      

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。