共轴高速直升机振动载荷计算分析模型

共轴高速直升机上下旋翼之间存在强烈的气动干扰现象,这对旋翼的气动特性影响较大。本文根据这一特点并考虑气弹耦合计算效率,利用单旋翼自由尾迹模型的尾迹几何和固定尾迹计算的初始诱导速度分布作为共轴双旋翼预定尾迹模型的初始迭代值。与Leishman-Beddoes非定常动态失速模型、Pitt-Peters动态入流模型、共轴直升机上下旋翼桨叶全本征动力学方程及弹性桨叶与变距轴承边界约束条件等计算模块相结合,建立了一种考虑上下旋翼之间气动干扰及耦合迭代的共轴双旋翼振动载荷计算模型。为验证本分析模型的计算精度,以西科斯基公司的验证机XH-59A为研究对象,与国外风洞试验结果进行了对比,两者吻合较好。     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

装备自主维修保障的维修与库存联合优化

装备自主维修保障系统(ALS)的核心是在网络化维修保障体系内由装备剩余使用寿命评估(RULE)信息驱动维修保障决策,其能有效降低装备寿命周期成本、提高装备使用可用度.在分析RULE特性与ALS运行机制的基础上研究了ALS中装备维修和备件供应等各类成本的产生机理,以单位时间成本最小为目标提出了基于RULE的维修与库存联合优化模型,应用Monte Carlo仿真方法设计了求解最优维修保障成本的算法,并分析了RULE的漏检率与虚警率对维修保障效能的影响.     

基于ICA的遥感图像的色彩分类方法

根据独立成分分析（ICA）方法和多频谱卫星遥感图像的特点,提出了一种基于ICA的遥感图像色彩分类法。方法使用FastICA算法提取遥感图像的色彩独立成分,是RGB反转的结合,具有互补的分布,不受照明的影响。使用最大相似度分类算法对像素进行色彩分类,实验结果表明,方法的色彩分类效果较好,对多频谱遥感图像进行色彩分类十分有效。     

飞控中心仿真系统的分布式构件化设计

简述航天飞控中心仿真系统的体系结构，简要讨论分布式体系结构和基于构件的软件设计开发，在此基础上进行飞控中心仿真系统的分布式构件化设计，给出航天飞控中心仿真系统基于ABC的CBSD过程。     

基于人工蜂群算法的航空发动机参数自整定PID控制

针对航空发动机PID控制器的参数寻优问题,提出基于人工蜂群算法(ABC)的航空发动机PID控制器参数自整定的方法。利用人工蜂群算法实现容易、计算简洁、寻优性能好、鲁棒性强的优点,优化PID控制器参数,以改善控制系统性能。考虑到可能存在的执行机构输出量的极大超调,融入执行机构输出的超调量惩罚机制,改进目标性能函数,有效避免了可能存在的发动机供油量极大超调现象。对涡扇发动机在地面和高空稳态工作点的增量形式的线性化数学模型进行了仿真验证,结果表明优化效果良好,转速阶跃响应反应迅速且超调量小,同时供油量也没有出现大的超调,验证了所提方法的有效性和实用性。     

备件库存优化模型的应用实践

备件库存管理策略直接影响飞机维修成本,通过分析备件的分类及其消耗规律,提出了备件库存管控的基本原则,对确定性备件库存模型和随机性备件库存模型进行了初步的探讨,并在实践中验证应用。     

发动机转子系统早期故障智能诊断

在对飞机发动机转子系统早期故障特点进行分析的基础上,针对其故障诊断中存在的故障样本不足和早期微弱故障不易识别的问题,提出将随机共振、小波包分析与支持向量机相结合的发动机转子系统早期故障诊断与智能自愈监控方法。该方法首先利用随机共振原理对早期微弱故障信号进行特征细化,使故障特征放大;然后利用小波包多分辨率分析特性进行故障特征提取;再将提取的特征向量输入由支持向量机构造的分类器中进行故障识别,并利用智能自愈方法对故障进行监控。对智能诊断系统结构、故障特征提取方法、多故障分类器构造、故障自愈监控等进行了分析和研究。结果表明,该方法在故障样本不足情况下,能有效识别发动机转子系统的早期故障,且算法简单、故障分类识别效果好,并能对故障进行自愈监控。     

DOA估计算法性能分析及仿真

分析了几种常见空间谱估计算法的结构,提出了一种未知信源数的高分辨DOA估计算法。该算法继承了求根MUSIC算法优越的性能,直接利用阵列接收数据的协方差矩阵,无须预判信源个数和进行特征值分解,实现高分辨谱估计,同时在信噪比较小时,仍能保持较高的角度分辨力。最后通过大量的计算机仿真实验比较了各种算法的性能,证明了新算法理论的正确性和有效性。