边条/鸭翼对前掠翼和后掠翼气动特性的影响

为分析前掠翼气动布局设计在航空工业中无法得到推广运用的原因,将前掠翼和后掠翼通过加装边条和鸭翼形成简化的边条翼布局、鸭式布局和边条/鸭式布局,从而深入认识前掠翼和后掠翼两种不同布局之间的流动特点以及涡系干扰机理。首先进行算例数值计算,通过对比分析计算结果与试验数据,验证了数值计算方法的可靠性和准确性;然后对不同布局进行数值计算,得到各布局的升力系数曲线;最后通过压力分布云图和流线图对各布局中复杂涡系的干扰机理进行分析。结果表明:基于后掠机翼形成的边条翼布局、鸭式布局和边条/鸭式布局中的涡系之间通过诱导和卷绕作用,涡系相互增强,大幅提高了布局的升力系数并推迟失速迎角,同时加装边条和鸭翼效果更加明显;基于前掠机翼形成的边条翼布局、鸭式布局和边条/鸭式布局中的涡系之间不存在卷绕作用,涡系之间存在碰撞挤压的不利干扰,这使得前掠翼布局在大迎角时的升力系数远远低于相应的后掠翼布局。前掠翼气动布局中的机翼前缘涡在大迎角时无法同鸭翼涡和边条涡相互耦合增强,不能充分地利用非线性升力,这是前掠翼气动布局设计中的一些不足。      

基于MapReduce的CME参数识别模型并行计算技术

日冕物质抛射（Coronal Mass Ejection,CME）参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中,为提高太阳风预报的准确率,需要提高CME参数识别的精度.模型以计算任务串行的方式运行,运算效率低导致模型运算时间长,不能满足这种需求.CME参数识别模型的物理运算过程相互不独立,其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架,改进了CME参数识别模型的计算流程,提出CDMR（CME detection under MapReduce）方法,实现了CME参数识别模型的并行计算,并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间,提高了模型的识别精度和计算效率.      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于双环滑模控制的直/气复合控制系统设计

直/气复合控制导弹具有强干扰、强非线性以及强耦合等特点,传统的姿态控制器难以适用于该种复杂干扰并存的情况,文章提出了基于双环滑模控制的直/气复合控制器。首先采用有限时间收敛趋近律分别构造内外环滑模控制器,并将角速度回路的滑模变量量化为直接力指令,以解决空气舵与姿控发动机之间的耦合问题。接着使用非线性扩张状态观测器估计综合干扰,从而设计控制器补偿侧向喷流干扰及模型不确定性等综合干扰的影响。然后基于李雅普诺夫方法证明了控制系统闭环稳定,分析了干扰补偿对控制器收敛域的影响。最后仿真结果表明,该方法跟踪速度快,动态过程平稳,具有较强的干扰抑制能力,具有很强的鲁棒性。     

基于SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中,轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点,提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上,将HGV的机动运动分解为纵向运动模式和侧向运动模式,进而对运动模式的特征参数予以标定,形成SVM的训练集。建立地基单雷达轨迹跟踪模型,采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM,建立了HGV运动识别框架,实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证,结果表明,所提方法可以提高对该类目标的轨迹预报精度。      

无人集群系统时变编队H∞控制

针对有向通信拓扑网络下具有通信时滞与外部干扰的无人集群系统（AUSS）时变编队H_∞控制问题进行了研究。首先,基于AUSS期望编队构型信息、无人机（UAV）实时状态信息以及通信UAV之间带通信时滞的状态误差信息提出了AUSS的编队控制方法,通过变量替换将AUSS的编队控制问题转换成低维闭环系统的渐近稳定问题,并以线性矩阵不等式（LMI）形式给出了系统稳定的充分条件与最大允许通信时滞的计算公式。其次,通过构造Lyapunov-Krasovskii（L-K）泛函,证明了存在通信时滞与外部干扰条件下AUSS能够实现时变编队。最后,通过数值仿真验证所设计方法的准确性与有效性。      

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法（SCA）,利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

基于倒置残差注意力的无人机航拍图像小目标检测

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和深层语义信息,提升小目标的检测精度;在特征融合部分设计多尺度特征融合模块,融合浅层空间信息和深层语义信息,并生成4个不同感受野的检测头,提升模型对小尺寸目标的识别能力,减少小目标的漏检;设计马赛克混合数据增强方法,建立数据之间的线性关系,增加图像背景复杂度,提升算法的鲁棒性。在VisDrone数据集上的实验结果表明：所提模型的平均精度均值比DSHNet模型提升了1.2%,有效改善了无人机航拍图像小目标漏检、误检的问题。     

亚声速飞机外挂物气动载荷和分离轨迹工程估算方法

本文简要介绍了一种计算亚声速飞机外挂物气动载荷和分离轨迹的工程方法。本方法分别采用源汇模型和涡格模型模拟母机的体积效应和法向力效应,采用迭代方法计及母机-外挂物之间的二阶干扰。在气动中心高速所研制的战术导弹气动特性工程计算方法的基础上,以迎角沿弹身轴线和翼片变化的流动条件代替该方法中的均匀来流条件,而建立了非均匀流场中外挂物气动载荷的计算方法。最后采用四阶的 Adams 数值积分方法求解六自由度运动方程而得到外挂物的分离轨迹。与国内外其它计算方法相比,本方法具有适用范围广、迅速、方便、实用等特点。本方法对一系列算例进行了计算,其结果与风洞实验数据具有令人满意的一致性。     

腹支撑对具有大展弦比机翼和船尾形机身的飞机模型的于扰与修正

一种适用于具有大展弦比机翼和船尾形机身的飞机模型的腹部支撑方式、腹支装置的设计要求和试验方法、以及腹支撑干扰的机理在此作了介绍，并给出了一些实验结果和对实验数据的修正方法．