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。     

多用途导弹引信及战斗部主要参数优化设计

针对目前多用途导弹对武装直升机单发杀伤概率建模中存在的不足,引入桨叶易损单元重要性因子的概念,运用蒙特卡罗方法和运动学原理采用新思路建立旋翼激光引信启动模型和战斗部对旋翼桨叶条件杀伤概率模型,为准确客观地分析多用途导弹对武装直升机目标的杀伤概率提供了必要的数学工具.基于所建立的多用途导弹单发杀伤概率模型,对多用途导弹引信和战斗部主要参数进行多目标优化设计,优化结果明显改善了单枚多用途导弹对武装直升机的杀伤性能及引信和战斗部的参数设计.     

区间数据回归分析方法

提出区间数据回归分析方法, 建立区间数据回归方程, 给出回归系数的最佳无偏整体估计及其协方差矩阵.详细讨论了工程中常见的极值分布、Weibull分布和正态分布的等尺度和非等尺度(或异方差)线性回归分析.该方法可以将各个不同状态下的区间数据作为一个整体进行统计分析, 具有信息量大、精度高的特点.      

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

远程攻击末制导目标截获概率数字仿真

在分析影响远程打击飞行器截获概率各种误差因素的基础上，引入截获条件和截获概率密度函数．用蒙特卡罗法精确计算末制导截获概率，并给出了仿真计算的流程。仿真结果表明，该法能有效分析误差因素对飞行器空中截获概率的影响，为远程打击飞行器武器系统的误差配置和制导控制系统设计提供参考。     

大曲率复合材料结构的缺陷特征与超声检测

采用超声回波法对大曲率碳纤维增强树脂基复合材料零件进行超声A 扫描,并对缺陷进行定位。结合缺陷区域和非缺陷区域的细观形貌金相图、宏观表面状态以及厚度测量结果的对比分析,讨论了缺陷形态与其回波波形特征的对应关系,以及缺陷可能的形成原因。结果表明,缺陷在细观尺度上呈现多处分层、气孔和孔隙密集缺陷,在宏观尺度上表现为零件表面贫胶与厚度增厚。缺陷的性质与超声A扫描的检测结果相吻合,缺陷的位置集中在零件大曲率部位,其形成原因与复合材料制造工艺密切相关。     

共轴倾转旋翼性能计算方法

共轴倾转旋翼飞行器是一款可折叠机翼的高速旋翼飞行器。本文建立了适用于共轴倾转旋翼飞行器直升机模式、倾转过渡模式和固定翼飞机模式的旋翼性能计算方法,并对比风洞试验数据验证了共轴倾转旋翼轴流状态的性能和共轴双旋翼前飞状态的性能。在此基础上,分析了共轴倾转旋翼在倾转过渡状态各性能参数的变化规律、上下旋翼诱导速度的分布情况、上下旋翼之间的干扰面积和干扰因子的变化趋势。结论表明:相同来流速度下,当倾转角增大,共轴倾转旋翼的拉力系数减小,功率系数先增大后减小,上下旋翼的受干扰面积和干扰因子均增大。     

模糊自组织网络在刀具磨损状态监测中的应用(英文)

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.     

时间序列三角极值点线性分段算法

文章在时间序列逐段线性描述方法基础上提出三角极值点分段算法.通过考察时间序列相邻极值点之间幅度变化大小来确定关键点序列.该算法较好地处理了时间序列局部噪声和数据压缩问题.并通过实验说明了算法的有效性.     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。