面向空中交通节能减排的真空速估算模型

为了实现终端区内空管单位燃油消耗的有效评估,结合综合航迹数据采用数据挖掘技术,提出一种基于航迹数据的终端区真空速的估算模型.首先应对综合航迹数据处理,提出了对综合航迹处理的方法;通过在中国气象数据网上获取机场上空风的数据,利用插值法建立机场上空风场的模型;分析航行速度三角形,推导出真空速计算模型.最后分别以离场和进场的QAR数据,用Matlab对真空速进行仿真估算.结果表明:方法能够有效地利用综合航迹数据进行真空速的估算.     

基于D-S证据理论的发动机部件性能降级量化融合研究

针对多方法计算所得发动机部件性能降级无法直接应用Dempster-Shafer(D-S)证据理论融合的问题,提出一种实现降级参数量化融合的方法。以一段时间内计算结果作为样本,融合性能模型输出结果和神经网络输出结果,通过划分区间统计样本落入区间的频率构造基本概率赋值(BPA),从而实现性能降级的量化融合。对比了独立区间划分法和嵌套区间划分法两种BPA构造方法的融合结果,得出了嵌套区间划分法构造BPA具有更适合量化融合的主要结论。     

航空发动机两种加速控制计划的融合控制方法研究

转速导数(N-dot)和换算燃油流量加速控制计划是航空发动机加速过程安全、快速的重要保障,但各自分别易受到功率提取、性能衰退和传感器、燃油计量装置误差的影响导致失速喘振或加速性的下降。为了提高所控制加速过程的鲁棒性,使用这两种控制计划所获燃油流量的偏差大小对N-dot控制计划的控制目标进行调节修正的融合控制方法获得实际的加速燃油流量。以双转子加力涡扇发动机为对象的仿真验证表明,该控制方法可以适应全包线加速控制的需要;相比其余两种控制计划在受功率提取、误差影响下保持正常工作的范围更广;相同工作条件下,该方法比N-dot控制计划更不易发生喘振,比换算燃油流量控制计划的加速时间更小。     

机载自相关监视系统的一种新的设计方案

提出了自相关监视(ADS)系统(机载部分)的一种设计方案.该方案包括ADS系统多信息源的处理、ADS信息机内传输及ADS信息在空地子网络中的传输.     

ATM中的ADS-SSR数据融合研究

二次监视雷达(SSR)和自动相关监视(ADS)系统已经广泛应用于空中交通管理(ATM)系统,特别是终端飞行区.本文分析了民航空中交通管理中的SSR和ADS系统的特点和缺陷,研究了基本类型ADS合同和扩展类型ADS合同对ADS跟踪精度的不同影响,提出了一个ADS-SSR航迹融合的模型,给出此模型的具体算法,并进行了数字仿真.数字仿真表明:该模型算法具有较高的跟踪精度.      

全机静强度虚拟试验技术研究及应用

地面试验是目前验证飞机结构性能和品质最重要的手段,全机地面静强度试验载荷高、变形大,飞机结构有可能发生非预期破坏,试验系统也存在意外故障风险,这些对试验设计与实施带来巨大挑战。对飞机结构静强度虚拟试验技术进行了系统研究,建立了试验物理系统数字化、结构力学行为虚拟化及试验过程虚拟物理融合化技术,形成了物理与虚拟试验双线并行、互动融合新模式。将虚拟试验技术在大型飞机全机静强度试验中进行了应用,飞机变形误差1%,应变误差小于10%,有效提升了全机静力试验的可靠性和安全性,缩短了试验周期,为飞机研制发挥了重要作用。     

通信导航融合定位技术发展综述

详细分析了蓝牙、Wi-Fi、超宽带、移动通信网络等多种无线网络通信导航融合定位技术的发展现状,并阐述了其面临的挑战,提出了多网融合方法可以提升室内无缝高精度位置服务的可靠性。利用5G移动通信网络,与北斗/GNSS卫星导航系统结合,可以实现相互增强。最后,从天地一体定位导航与授时体系和仿生通信定位导航两方面介绍了通信导航融合定位技术的未来发展趋势。     

基于深度学习的突防控制博弈对象匹配方法CSCD

针对基于博弈理论设计应对多枚拦截弹的协同突防控制方案时需要确定博弈对象的问题,提出了一种基于长短时记忆(LSTM)网络的拦截弹攻击对象匹配方法。基于传统防空导弹飞行时序与流程构建拦截弹飞行轨迹库,以轨迹库为训练样本对LSTM网络进行训练,并以此为基础构建航迹预测模型与对象匹配模型,实现对拦截弹攻击对象的识别。仿真结果表明,该方法能够有效识别拦截弹拦截目标,为后续的巡航弹突防研究提供支撑。     

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.     

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.