基于CRBMs-RVR的涡轴发动机输出功率衰退预测

针对涡轴发动机全寿命期内输出功率衰退预测问题，提出一种含多层连续受限玻尔兹曼机（CRBMs）深度特征提取的相 关向量回归（RVR）功率预测方法。对发动机气路部件测量数据进行重构，利用CRBMs深度网络提取数据深层特征，将特征数据作为RVR模型的输入，实现对输出功率的预测，并对预测结果提供概率分布。以某型双转子涡轴发动机部件级模型为试验对象，模拟全寿命期内发动机气路部件性能退化，对输出功率进行衰退预测。试验结果表明：基于CRBMs-RVR的预测模型与传统RVR预测模型相比，训练时间缩短30.2%，预测结果的均方根误差减小64.6%；与基于主成分分析（PCA）进行特征提取的PCARVR预测模型相比，预测结果均方根误差减小42.4%，验证了所提出的预测方法具有模型结构简单、预测精度高、可提供概率式输出的优点。     

拦截大气层内机动目标的深度强化学习制导律

针对大气层内高速机动目标的拦截问题，提出了一种基于双延迟深度确定性策略梯度(TD3)算法的深度强化学习制导律，它直接将交战状态信息映射为拦截弹的指令加速度，是一种端到端、无模型的制导策略。首先，将攻防双方的交战运动学模型描述为适用于深度强化学习算法的马尔科夫决策过程，之后通过合理地设计算法训练所需的交战场景、动作空间、状态空间和网络结构，并引入奖励函数整形和状态随机初始化，构建了完整的深度强化学习制导算法。仿真结果表明：与比例导引和增强比例导引两种方案相比，深度强化学习制导策略在脱靶量更小的同时能够降低对中制导精度的要求；具有良好的鲁棒性和泛化能力，并且计算负担较小,具备在弹载计算机上运行的条件。     

航空发动机燃烧不稳定性预测及控制研究进展

燃烧不稳定性问题广泛出现在各类航空发动机燃烧室内，该问题是火焰非定常热释放和声波充分耦合的结果，发生时伴随着大幅度的压力脉动，严重威胁发动机的稳定工作及结构安全。目前，包括中国在内的各航空发动机研制国家在多数发动机型号的研制过程中，均遇到了严重的燃烧不稳定性问题，且发动机越先进，该问题越复杂且难以解决。在深入认识其发生机理的基础上，对其进行准确预测并设计有效的控制手段，对航空发动机的研制具有重要意义。系统阐述了该问题的研究现状，介绍了燃烧不稳定性问题发生关键，即军用的钝体燃烧加力燃烧室和民用的贫油预混环形燃烧室的非定常流动及火焰响应特征。综述了该问题研究常用的燃烧不稳定性声网络预测分析模型，重点报告了为了耦合考虑燃烧室声软壁面被动控制设计，团队所发展的三维燃烧不稳定性预测控制模型。基于该模型，介绍了壁面声衬参数及布局对燃烧不稳定模态控制效果影响的研究进展，为先进发动机燃烧不稳定性的排故提供技术储备。     

基于最大后验概率准则的天基星座网络多用户检测方法

天基星座网络中用户可以随意进出自由组网，活动用户的数量、身份和发送的数据随机变化，对接收用户的性能造成很大影响。多用户检测是指识别每个活动用户的身份并检测每个活动用户发送的数据。传统方法假设活动用户数等于网络可以容纳的最大用户数，这种方法模型比较简单且误码率性能不够理想。提出了一种基于最大后验概率准则的多用户检测方法，该方法将用户的活动状态建模为马尔科夫链，并将多用户检测转换为在网格图中使用BCJR算法搜索最优路径。仿真结果表明，当活动状态错误概率和符号错误概率达到10^-3时，本文所提方法与对照方法相比分别获得2.6 dB和1 dB信噪比增益。     

跑道占用时间的影响因素分析与预测方法研究

针对最后进近阶段飞机距跑道入口较远时，跑道占用时间难以实现准确且实时的预测，提出了基于机器学习的跑道占用时间预测方法。面向空中交通管理，考虑3类共10项影响因素与跑道占用时间的关系；然后，基于对影响因素的分析，使用BP神经网络建立按照飞机尾流等级分类的跑道占用时间预测模型；通过对模型的调试和训练，对模型性能、影响因素显著性和不同距离时的预测结果展开了分析。研究表明，模型对跑道占用时间的估算平均绝对误差不超过2.5 s,均方根误差不超过3 s,判定系数均在0.85以上，可以很好地满足跑道占用时间的准确预测；影响因素偏差导致的估算误差随着飞机尾流等级的减小而增大；当飞机位于距跑道入口19 km时，估算误差为4.33 s,是预测跑道占用时间的较佳位置。     

低雷诺数下翼型非线性气动特性及其模型预测

以GA(W)-1翼型为研究对象，通过数值模拟的方法探究了雷诺数对翼型气动特性的影响规律及物理机制，结果显示：翼型在低雷诺数工况下具有突变性、迟滞性等强烈的非线性气动特性，且迟滞环的尺寸随着雷诺数的增大而逐渐减小直到最终消失，翼型前缘分离泡的破碎及该过程的不可逆性是非线性气动特性产生的物理根源。翼型在不同雷诺数工况下的非线性气动特性与尖点突变模型在空间拓扑上具有相似性，于是基于拓扑不变原理，通过发展高精度的拓扑映射方法，构建了尖点突变模型的平衡曲面与翼型非线性气动特性之间的拓扑映射关系，从而利用尖点突变模型的平衡曲面去预测低雷诺数下翼型的非线性气动特性，模型预测误差在5%以内。