航空发动机涡轮前温度场数据分析方法

在航空发动机整机测试条件下,温度场测试具有局限性。介绍了1种发动机涡轮前温度场测试数据的统计分析方法,该统计方法较为有效;引入模糊原理,对统计量进行了概率分析,使得统计量评估更加完善。     

基于迭代学习控制的飞机全电刹车系统的研究

通过对飞机全电刹车系统模型的分析,结合迭代学习控制的特点设计出一种新的全电刹车系统的控制律。通过在matlab/simulink中仿真,取得了理想的效果,表明控制律的设计基本合理、可行。     

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。     

基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。     

陀螺稳定平台视轴稳定系统自适应模糊PID控制

 在运动载体上的光电跟踪系统中,需要采用建立在陀螺稳定平台上的视轴稳定控制。分析了平台结构和惯性稳定隔离原理。针对系统机械谐振、力矩耦合及电气参数波动等非线性不确定因素的影响,设计了复合自适应模糊PID控制器。引入自适应调整因子进行控制规则和参数的在线修正,采用复合控制克服模糊控制固有的盲区,实现无差调节。在光电跟踪转台上的实验结果显示该方法能够有效地隔离载体扰动,减小扰动造成的误差,保证视轴对目标的准确瞄准,具有快速的动态响应和较强的抗干扰性。     

基于T-S模糊系统的空天飞行器鲁棒自适应轨迹线性化控制

 基于T-S模糊系统提出了鲁棒自适应轨迹线性化控制(RATLC)方法。利用T-S模糊系统逼近未知干扰和不确定性因素,并采用Lyapunov方法设计了鲁棒自适应控制律。不论系统状态的维数和用于逼近不确定的模糊系统规则数为多少,整个系统仅有两个参数在线调整。理论分析证明了闭环系统所有信号一致最终有界。应用提出的控制方案设计了空天飞行器(ASV)飞行控制系统,并在高超声速飞行条件下进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。     

Autonomous Control Reconfiguration of Aerospace Vehicle Based on Control Effectiveness Estimation

未来空天飞行器跨空天两域飞行,要求有较高的自主性以适应由故障和环境变化带来的不确定因素。针对空天飞行器的不确定性,提出了自主控制重构方案。研究了线性模型的时变控制效益的估计方法,提出并证明了效益矩阵可估计的充分条件,给出了相应的算法并证明了其收敛性和对噪声的鲁棒性;提出了基于线性规划和模糊逻辑的控制分配算法,通过冗余效应器实现了不确定条件下的自主控制重构。系统集成和仿真结果分析验证了方案和算法的有效性。     

熔融沉积成型连续碳纤维增强尼龙蜂窝芯材的压缩特性

采用熔融沉积成型方法成形了连续碳纤维增强尼龙复合材料蜂窝芯材,并对不同测试方向的静态单轴压缩特性进行了表征分析,着重关注不同测试方向熔融沉积成形蜂窝芯材平面静态压缩破碎行为和能量吸收行为,并与纯聚合物基体进行对比。结果表明:X_1方向的压缩平台区域的力-位移曲线更加平滑稳定,且载荷值稍高于X_2方向,因此X_1方向更适用于能量吸收应用;此外,连续纤维的增强作用可使蜂窝芯材的平台载荷值得到明显提升。研究结果为连续纤维增强聚合物复合材料的空间增材制造提供理论基础。     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题,提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型,实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失,对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型,并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明,模型对已知和未知类故障平均识别率达99.57%,10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%,验证了模型的有效性和优越性,能高准确率地识别出已知或以前从未出现的新故障。      

基于核主成分分析的空域复杂度无监督评估

空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段,是运行调控的基础。由于影响因素众多,不同因素间耦合关联复杂,且标定样本很难获取,空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系,准确提取能够最大化复杂度评估信息量的主成分,进一步设计了可按需定制的主成分聚类方法,实现了无监督条件下空域复杂度的准确评估,为空域划分、流量管理提供了有效的技术支撑。