基于人工神经网络的停机坪安全预警研究

停机坪是机场的重要组成部分,停机坪安全是机场安全关注的重点。影响停机坪安全作业的要素有很多,通过对这些要素进行监控和预警,可以减少停机坪的安全隐患,保证机场正常运行。根据济南遥墙机场的主要数据,运用因子分析法对影响停机坪安全的主要因素进行分类,提取公共因子。并运用人工神经网络（ANN）方法,对这些公共因子进行神经网络训练和预测分析,最终得到遥墙机场停机坪的安全情况。     

采用霍尔传感器的旋翼频率采集设计

为达到对旋翼飞机的控制,需要对旋翼转速进行采集.霍尔转速传感器以其高可靠性等优点常被用来测量转速.介绍了一种使用霍尔传感器进行旋翼转速采集系统,包括硬件构架,逻辑采集单元和软件设计,并给出了优化策略;通过试验数据分析,采集精度达到了预期.     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

基于卫星和星敏感器的冗余激光惯组在轨标定

采用高精度卫星导航速度、位置信息以及星敏感器提供的姿态信息设计十表冗余捷联惯组的标定模型,包含陀螺和加速度计的零次项和标度因数,对卫星和星敏感器辅助的冗余激光陀螺捷联惯组进行实时在轨标定.利用标准Kalman滤波和Sage-Husa自适应滤波作为估计算法,对十表冗余捷联惯组参数进行在线估计.数值仿真结果表明:参数标定精度均在7％以内,是一种实时的在轨标定方法,满足误差补偿要求.冗余惯组在轨标定方法为航天器高精度定姿和定轨提供了一种理论参考.     

一种新型结构的网卡研究与驱动设计

Freescale的QorIQ系列网络通信产品中使用的高性能数据通道加速结构DPAA使网卡工作时硬件结构和驱动程序更加复杂.以P4080处理器为例研究了DPAA硬件结构,介绍了模块Buffer Manager、Queue Manager和Frame Manager的主要功能和配置使用方法.设计实现了网卡及其依赖硬件模块的设备驱动程序,阐述了硬件初始化、数据发送、数据接收、中断响应过程中驱动软件的主要处理流程.最后总结了已完成工作和驱动的扩展性.     

基于损伤检测的飞机结构腐蚀损伤预测方法对比研究

针对飞机结构材料易腐蚀特点,采用 BP 神经网络算法、数据拟合方法、指数平滑预测三种方法,对飞机铝合金结构腐蚀损伤进行预测对比分析。预测结果及其误差以及对比分析图表明,BP 神经网络算法所构建的网络预测模型对一定腐蚀周期内的腐蚀损伤有较好预测能力,指数平滑预测方法和幂函数数据拟合方法对一定腐蚀周期之外的腐蚀损伤预测有较好的外延性。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

应急通信中 WSN 的角色及生存性分析

无线传感网（WSN）具有部署方便、灵活健壮的特点,在应急通信场合发挥着重要作用,但复杂恶劣的网络环境对无线传感网的设计和部署提出了更高要求。说明了应急通信的特点,并分析了应急通信中无线传感网的角色及面临的技术挑战。从网络生存性的角度归纳了网络生存性的相关研究工作,并重点探讨了应急通信环境下无线传感网的生存性技术问题。     

高超声速飞行器自适应神经网络容错控制

针对高超声速飞行器巡航段执行器控制效益损失故障和卡死故障问题,基于高超声速飞行器纵向运动模型,将自适应算法与改进的径向基函数神经网络(RBFNN)方法相结合,设计了一种自适应神经网络容错控制器。所提出的容错控制方法具有无需估计执行器故障值的优点,且设计的控制算法结构简单,无需大量实时计算,可以快速处理故障的发生,确保系统在参数不确定、恒定或时变执行器故障与卡死故障情况下仍具有稳定跟踪能力。最后,仿真验证了该方法的有效性。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。