双横臂双扭杆悬架中扭杆的优化设计

在对双横臂双扭杆悬架的上下扭杆的刚度匹配关系和等强度关系进行分析的基础上，得到了对扭杆进行优化设计的方法。     

基于Lyapunov方法的非线性系统自适应观测器设计

针对一类满足L ipsch itz条件的具有未知参数的非线性系统,利用Lyapunov方法对L ipsch itz非线性系统自适应观测器的设计问题进行了研究。基于分析求解代数R iccati方程给出求解问题的不完善性、特征结构配置理论给出设计方法的重特征值限制性、对不同形式的观测器增益矩阵求解方法进行比较,最终选用线性矩阵不等式来改进观测器增益矩阵的选取方法。在观测误差稳定的条件下,得出了基于线性矩阵不等式方程设计状态观测器的增益矩阵,保证系统的状态估计误差收敛到零,并对其进行了仿真研究。结果证明,本文所构造的非线性观测器增益矩阵方法明显优越于其他方法,增强了系统的鲁棒性。     

一种面向多虚拟处理器的程序条件断点技术

考虑到载人航天、探月工程中嵌入式软件的编译器存在差异，编译器生成的目标文件格式和嵌入式处理器的不同，基于嵌入式处理器虚拟化技术，提出一种通用的调试信息存储结构，支持不同目标文件调试信息的通用存储；提出一种条件断点控制技术和一种通用条件断点控制模型，实现了面向多种架构虚拟处理器的程序条件断点控制；完成调试器DIP开发和功能测试。将以上技术应用于载人航天、探月工程中多个安全关键嵌入式软件测试，发现了嵌入式软件中的深层软件问题。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求，提出了基于深度学习的翼型反设计方法，利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征，习得特征到翼型的映射关系；判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入，输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型，研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数，快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率；并且在有噪声干扰情况下依旧保持良好的设计性能，增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。     

商用航空发动机三化设计研究

结合商用航空发动机研制实践，分析型号研制过程中开展“三化”设计的原则，提出具体措施，并总结“三化”工作的保障条件，为发动机“三化”工作提供鉴定意义。     

改进深度卷积生成式对抗网络的文本生成图像

针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题，提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码，得到文本的特征向量表示。引入条件增强（CA）模型，通过文本特征向量的均值和协方差矩阵产生附加的条件变量，代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入，并在生成器的损失中额外加入KL损失正则化项，避免模型训练过拟合，使模型可以更好的收敛，在判别器中使用谱约束（SN）层，防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明：所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本，初始得分值最低分别提高了10.9%和5.6%，最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%，最高分别降低了43....     

基于变分自编码器的多维退化数据生成方法

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。     

湍流边界层大尺度相干运动的阵列TRPIV测量

使用高时间分辨粒子图像测速技术，研究湍流边界层中大尺度相干运动。由于大尺度运动的流向空间尺度与边界层厚度δ有关，因此沿流向排列4个高速相机进行拍摄，得到了约6.7δ×1.2δ的湍流边界层大视场，实验雷诺数Re_τ=422。针对流场中不同法向高度的流向脉动速度，采用沿流向方向进行空间小波变换的方法，得到不同空间尺度分量的脉动速度，并计算其占总流向脉动动能的比例，发现湍流边界层外区存在流向最大能量流向尺度，约为1δ。通过小波分解将湍流脉动速度场分为大尺度分量和小尺度分量。使用速度门限法，沿时间序列提取大尺度相干运动，利用泰勒冻结假设，将时间结构转化为空间结构，并与直接从空间得到的大尺度相干结构做对比。使用相位平均法测得大尺度相干结构的几何形态，发现从时间维度和直接从空间维度得到的喷射事件的流向尺度相近，而直接从空间提取的扫掠事件要比从时间提取的大。结果表明：流场中1δ尺度左右的大尺度运动是湍动能的主要贡献者；利用泰勒冻结假设可以从时间中提取出大尺度相干结构，与从流场空间直接提取的结果有着良好的一致性。