动力涡轮驱动的逆升压式空气循环制冷系统优化设计

基于典型飞行剖面分析计算,对目前电子设备吊舱所应用的各种环境控制系统进行了简要介绍,并分别分析了其优缺点.通过比较指出:动力涡轮驱动的逆升压式空气循环制冷系统是适用于电子设备吊舱冷却的有效方案之一.此系统在保证冷却涡轮处于设计工况的条件下,让部分冲压空气通过动力涡轮,因此,不会有非设计工况下冷却涡轮效率下降的问题,可以获得较大的制冷量.本文建立了该系统及各附件的数学模型,确定了系统设计计算方法,并分别以系统质量最小和性能系数最高为优化目标函数,提出了系统优化设计方法.     

无线传感器网络定位算法改进

提出了一种建立在TEEN协议基础之上反应式网络的应用.反应式网络是一种对适时性要求较高的网络,用三角定位法对传感器节点进行定位,在定位的基础上,使得簇首节点的选定更为容易,在一定程度上能节省节点能源、延长网络寿命.     

航电系统安全性分析工具设计与研究

随着航电系统综合化程度的不断提高,传统的安全性分析方法过于依赖工程经验,难以保证失效模式的完备性。同时在系统迭代设计的过程中,由于系统的复杂性,会导致安全性分析工作量过大,增加了时间及经济成本。针对上述问题,设计了一种自动化安全性分析工具,基于Sys ML描述语言建立安全性数据模型,采用路径追溯的方法完成故障树自动建模,并对生成的故障树进行共模分析和区域安全性分析。以某系统为例的实验结果表明,该工具能够实现故障树自动建模与分析,提高了安全性分析的效率和完备性。     

基于变化映射表的WSN通信数据语义安全算法

提出一种基于变化映射表的语义安全算法.该算法首先针对无线传感器网络(WSN,Wireless Sensor Networks)应用对临界值敏感的特点,采用变精度状态采集方法,建立了一个原始语义与其标识数值的映射表;在此基础上,网关和节点之间通过同步映射表进行通信数据的语义加密和解密,为提高安全性,在通信过程中,映射表基于通信携带的随机变更因子而不断更新.最后给出算法分析及仿真验证,结果表明提出的算法可以有效抑制已知明密文对攻击和实现语义安全.     

从CIDS,CMS看客舱通信系统的发展

介绍了Ａ－３４０ＣＩＤＳ系统及Ｂｏｅｉｎｇ－７７７ＣＭＳ系统，分析了客舱通信系统的现状及发展，为航空公司在机型改装及设备配置时提供参考     

基于模糊变结构的空间飞行器姿态控制

根据空间飞行器姿态系统具有非线性、强耦合、多输入多输出的特点,对飞行器姿态模型的非线性和不确定性,提出分散模糊变结构控制方法。利用模糊系统对不确定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数,对模糊逼近所带来的误差以及外部干扰项,采用控制补偿方法。理论分析和仿真研究表明,提出的控制方法具有姿态跟踪精度高,实时计算量小,便于工程实现等优点。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

智能磁航向传感器的研制及误差补偿算法分析

介绍了微型智能磁传感器的设计,分析了影响磁航向精度的误差来源.在此基础上提出了基于BP神经元网络、最小二乘及最佳椭圆拟合等3种不同的磁航向误差补偿算法,详细分析了每种算法的工作原理,并立足于算法的具体实现,通过现场试验,从精度、速度、效率等3个方面对算法的有效性加以分析验证,并得出结论.      

Analysis of the dynamic behavior of structures using the high-rate GNSS-PPP method combined with a wavelet-neural model: Numerical simulation and experimental tests

Recently, the high rate global navigation satellite system-precise point positioning (GNSS-PPP) technique has been used to detect the dynamic behavior of structures. This study aimed to increase the accuracy of the extraction oscillation properties of structural movements based on the high-rate (10?Hz) GNSS-PPP monitoring technique. A developmental model based on the combination of wavelet package transformation (WPT) de-noising and neural network prediction (NN) was proposed to improve the dynamic behavior of structures for GNSS-PPP method. A complicated numerical simulation involving highly noisy data and 13 experimental cases with different loads were utilized to confirm the efficiency of the proposed model design and the monitoring technique in detecting the dynamic behavior of structures. The results revealed that, when combined with the proposed model, GNSS-PPP method can be used to accurately detect the dynamic behavior of engineering structures as an alternative to relative GNSS method.