基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

静稳定裕度对飞翼布局的影响研究

减小配平损失对于提高飞翼布局升阻比和提升飞行控制能力具有重要意义,因此基于离散伴随优化方法研究静稳定裕度对跨音速飞翼布局减阻优化的影响,分别开展10%,0%,-10% 三种静稳定性设计工况的优化研究。采用自由变形（FFD）方法对非结构表面网格进行参数化,以FFD 控制点为设计变量,通过求解流场和伴随方程得到灵敏度信息;采用序列二次规划SQP 算法获得控制点位移的梯度,然后经过多轮迭代得到优化构型。结果表明：在几何厚度和力矩配平的约束下,离散伴随优化方法可以显著提升飞翼布局的最大升阻比,三种工况下最大升阻比提高都在8% 以上;随着静稳定性裕度减小,定升力系数优化的巡航升阻比增量有所减小,当静稳定裕度为10% 时巡航升阻比提高了5.08%。     

基于遗传算法(GA)的具有约束的飞行轨迹规划

轨迹规划的一个最基本目标是规划飞机通过威胁空间并实现任务目标的飞行轨迹,这个轨迹需满足任务规划所确定的约束,这些约束包括：地形、威胁（静、动态）、燃油、时间、飞行性能等,构成了一个多维、多模态且具有组合爆炸的搜索空间,造成了轨迹规划的具有挑战性的难题。对基于ＧＡ的自适应搜索技术的轨迹规划方法和轨迹规划器进行了研究。提出了用来解决满足约束条件最优飞行轨迹问题的描述方法。     

无刷直流电动机旋转感应电压的分析与计算

系统地推导了无刷直流电动机旋转感应电压的通用计算公式,并以这些公式为基础,详细研究了气隙磁密平顶宽度、分布绕组、短距、分数槽、斜槽等因素对旋转感应电压的影响,给出了在保证旋转感应电压是平顶宽度为理想值的梯形波时,转子磁钢和定子绕组设计时应考虑的因素.本文的研究内容为高性能低转矩波动无刷直流电动机的设计提供了理论基础.      

液体火箭发动机系统设计仿真与优化

建立了某液体火箭发动机系统设计的仿真模型与相应的多目标优化模型,编制了系统仿真程序,并在iSIGHT的软件平台上针对不同的优化目标对发动机的设计参数进行优化.采用了组合优化策略,结合多岛遗传算法和序列二次规划算法分别进行全局寻优和局部寻优,求得全局最优点.建立了单燃气发生器循环系统的质量模型,在优化过程中考虑了发动机主要部件结构质量对系统性能的影响。以燃烧室压强、混合比和喷管出口反压为设计变量,优化目标包括发动机比冲、有效载荷、结构质量、密度比冲、关机时飞行速度、推进剂综合密度.并根据结果分析了燃烧室压强和混合比对发动机性能的影响.     

基于结构光扫描数据点的内表面重建方法

提出基于结构光扫描获取的特征点重建物体内表面的方法.结构光扫描获取原始数据精度较高,但是存在数据密度不均的问题.通过剔除测量方向部分冗余数据点和插补扫描方向的稀疏数据,对原始三维数据密度进行适当调整,然后采用基于局部切平面簇的方法对调整后的数据点云进行表面重建.在某一特征点的邻域构造对应于该点的局部切平面,通过局部切平面簇逼近原始表面,采用Marching cubes算法提取等值面,得到三维表面重建的初始网格,根据优化算法简化网格,并采用Loop细分法平滑网格,获得描述物体表面特征的重建表面.该方法解决了由结构光扫描获取的不均匀原始数据点重建物体内表面的问题.      

Hermite算法的收敛性分析及其改进

为了提高多点切触加工算法的计算效率,对其中的Hermite算法进行了改进,并且对改进后的Hermite算法的收敛性进行了理论分析,推导了改进后算法的局部收敛条件,同时给出算法的Steffensen加速迭代公式并新提出了一种基于试算的待定系数迭代法.分析和实例表明,改进后的Hermite算法属于线性收敛的算法,而待定系数迭代法则有接近二阶的收敛速度.综合应用上述算法,可以满足一般性自由曲面多点切触加工刀位计算的要求.      

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.      

设计敏度在气动弹性遗传优化中的应用

利用遗传算法和遗传/敏度混合优化算法对某复合材料机翼进行气动弹性优化设计研究,并提出在使用这两种算法时根据设计敏度信息计算设计变量的重要性指标、从而确定主要和次要设计变量、进而调整设计变量变化域的方法,以提高算法的寻优效率.研究表明:设计变量变化域的定义直接影响遗传算法和遗传/敏度混合优化算法的寻优效率,特别是单独使用遗传算法时影响程度更大;定义时应该在确保设计空间包含足够的优秀可行解的前提下,尽可能地缩减搜索空间.所提出的基于设计敏度调整设计变量变化域的方法在实际应用中能取得较好的效果:该方法既能明显提高遗传算法和遗传/敏度混合优化算法的搜索效率,又能显著增强两种算法辨识可行域的能力.      

Non-Thermal Processes in Cosmological Simulations

Non-thermal components are key ingredients for understanding clusters of galaxies. In the hierarchical model of structure formation, shocks and large-scale turbulence are unavoidable in the cluster formation processes. Understanding the amplification and evolution of the magnetic field in galaxy clusters is necessary for modelling both the heat transport and the dissipative processes in the hot intra-cluster plasma. The acceleration, transport and interactions of non-thermal energetic particles are essential for modelling the observed emissions. Therefore, the inclusion of the non-thermal components will be mandatory for simulating accurately the global dynamical processes in clusters. In this review, we summarise the results obtained with the simulations of the formation of galaxy clusters which address the issues of shocks, magnetic field, cosmic ray particles and turbulence.