基于几何设计法的航空发动机内外机匣减振控制新方法

航空发动机在运行过程中，由于其结构的复杂性和外部气流的不稳定性，不可避免地会产生大量的振动问题。针对航空发动机整机振动问题，首先根据航空发动机的实际结构并结合经验总结，建立了一种通用的转子-支承-机匣振动传递动力学模型，并从航空发动机内外机匣减振控制问题出发，利用一种新型的控制算法（几何设计法），在有限频域内来设计减振控制器，在传感器和执行机构受限的情况下，尝试对多个输出量（即航空发动机的内机匣和外机匣）进行减振控制，并与经典控制理论法比例、微分、积分（Proportional integral derivative,PID）设计的减振控制器进行减振效果对比，最后通过Matlab/Simulink搭建仿真模型并进行仿真验证。结果表明，几何设计法在有限频域内可以直观地获得最优控制器的存在性、唯一性、最优性，对于主控对象的减振控制最优可高达25 dB，相较于传统控制方法形成明显优势。     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

锯切圆柱形42CrMoA的声发射监测试验

针对锯切加工中的带锯条磨损状态未知、锯切质量下降等问题，本文研究了新试制的FTCUT双金属带锯条锯切圆柱形42CrMoA合金结构钢过程中锯切行为的变化，探讨了声发射信号与单刀锯切过程、锯齿磨损和锯切表面质量变化的关联。研究表明：锯切圆柱材料时随着锯切深度的变化，参与齿数先增大后减小，带锯条约束条件不断变化，进而影响着声发射信号幅值和锯切表面质量；基于时域分析可知锯齿磨损过程分为磨合磨损、快速磨损、稳定磨损三个阶段；基于FFT频域分析发现当频谱图出现多个主频，且第一主频幅值下降时，表明声发射信号来源比较分散，即可认定带锯条失效；基于小波包频域分析发现第7频段信号占比最高，最能反映工件表面质量的变化，其波动情况与锯切表面的微纹和波纹情况可建立一定的联系。因此，可基于声发射信号时域和频域分析判断锯齿磨损和锯切表面恶化情况，为锯齿磨损和锯切表面质量的在线监测提供一定的思路。     

Source free unsupervised domain adaptation for electro-mechanical actuator fault diagnosis

A common necessity for prior unsupervised domain adaptation methods that can improve the domain adaptation in unlabeled target domain dataset is access to source domain dataset and target domain dataset simultaneously. However, data privacy makes it not always possible to access source domain dataset and target domain dataset in actual industrial equipment simultaneously, especially for aviation component like Electro-Mechanical Actuator (EMA) whose dataset are often not shareable due to the data copyright and confidentiality. To address this problem, this paper proposes a source free unsupervised domain adaptation framework for EMA fault diagnosis. The proposed framework is a combination of feature network and classifier. Firstly, source domain datasets are only applied to train a source model. Secondly, the well-trained source model is transferred to target domain and classifier is frozen based on source domain hypothesis. Thirdly, nearest centroid filtering is introduced to filter the reliable pseudo labels for unlabeled target domain dataset, and finally, supervised learning and pseudo label clustering are applied to fine-tune the transferred model. In comparison with several traditional unsupervised domain adaptation methods, case studies based on low- and high-frequency monitoring signals on EMA indicate the effectiveness of the proposed method.     

基于粗糙集的多岛礁要地防空威胁评估

文章以多岛礁要地防空作战需求为牵引,结合现代防空反导作战新特点,综合考虑空袭目标的主要因素和要地的相对价值,在遭受多目标攻击情况下,利用粗糙集理论,从不精确、不一致、不完整等大量不完备信息中求取最小不变集合,求解最小规律集,得出指标权重,并对目标的威胁等级进行排序。粗糙集理论能够大大提高提取有用信息的效率,从而揭示不完备信息中隐含的规律。经过案例分析,表明该方法能够客观地对空袭目标的威胁等级进行排序,对于多岛礁要地防空作战决策研究具有一定的参考价值。