电机-变距螺旋桨动力系统功率优化控制

电动螺旋桨无人机应用越来越普及,但普遍续航时间较短,提高电动力系统效率、降低功率消耗是提高航时的主要措施。电机-变距螺旋桨动力系统（以下简称变距电动力系统）可同时改变转速、桨距两个量,存在桨距和转速的最佳组合,使系统功率最小。相比电机-定距螺旋桨动力系统,其在耗能方面具有特殊优势,但如何达到最小功率点,目前研究较少。针对上述问题,为提高计算效率,便于控制研究工作的开展,首先基于改进天牛须算法的BP神经网络训练得到变距电动力系统的神经网络代理模型。接着提出了一种变距电动力系统功率优化控制策略：在一定入流速度、拉力需求下,基于自适应扩展卡尔曼滤波-牛顿法实时优化桨距,并在一定桨距下利用模糊PID控制系统转速以达目标拉力,实现目标拉力需求下的最小功率控制。仿真验证结果表明,提出的功率优化控制策略鲁棒性更强、优化速度更快、收敛效果更好。     

应召反潜时无人机监听航路的规划

浮标阵是航空反潜模式下应召搜潜时常用的一种反潜手段。在假设浮标阵已被布设完毕并且由无人机对其进行实时监听的前提下,文章重点研究了无人机监听航线的规划问题。首先,研究了浮标阵的布设及其特点,分析了无人机航路的代价问题;接着,根据浮标阵的特点规划出了无人机监听方形浮标阵的监听航路飞行方案,并对所规划航路的技术指标进行了分析和研究;最后,对无人机的监听航路进行了计算,计算结果表明文中所规划的方案是可行的,这为无人机监听浮标阵的实际应用提供了参考。     

基于禁忌搜索算法的机场场面联合优化模型

针对当今机场场面优化对象仅为某一独立环节的情况,梳理联合优化框架,利用已有的单一环节优化模型,建立了滑行路径规划与停机位分配联合优化模型,并设计了禁忌搜索算法流程,最终降低了航班进离场资源占用时间。将优化模型分别植入空域管理与评估系统（ ACES）的空侧容量评估系统中进行仿真分析,结果表明,联合优化模型能够在综合考虑机场运行实际的条件下大幅提升空侧容量,改善机场运行效率与资源配置情况。     

大气层外拦截弹末制导段的目标搜索算法

以搜索时间最短为设计指标,根据目标相对于拦截弹方向的概率分布,设计了一种搜索算法.分析了采用该搜索算法时,搜索范围、搜索时间以及拦截弹视场角与算法中调节系数的关系.给出了典型情况下的仿真算例,并利用统计方法分析了目标相对于拦截弹方向的概率分布的标准差对搜索时间期望值的影响.仿真表明了该搜索算法的有效性.     

Self-similar neutrino heat waves

Transport of energy and lepton charge by neutrino radiation in a uniform medium is investigated within neutrino-thermoconductivity approximation — as a neutrino heat wave. The process is described by a self-similar solution. The problem applies primarily to the cooling of young neutron stars.     

基于信息管理与融合技术在目标类型识别上的研究

在系统模型的基础上结合实战提出影响目标飞机类型识别的证据,并按照影响程度进行优先权排序;结合数据库,提出证据概率计算的数学表达式;采用深度优先搜索的融合模式,按照D-S证据理论进行融合计算;在传感器管理模块的作用下,对融合结果进行反馈控制;结合实例,对系统进行仿真验证,证明其可靠有效。     

用人工智能搜索策略进行抗疲劳优化设计

 将人工智能搜索策略应用于抗疲劳优化设计中,针对工程实际中大量存在的离散变量的优化问题,提出了一套不同于传统数学规划法的方法,从根本上解决了处理离散变量的困难。还以多钉多层板接头为算例,作了优化计算,说明本文提出的方法可行,计算程序适用。并且优化结果比数学规划法好。     

基于目标威胁度计算的相控阵快速确认跟踪模式

机载相控阵雷达在探测远程、低空、高速目标时具有较大潜力。本文对机扫加相扫雷达环境下,如何充分发挥相控阵优势,提高机载雷达跟踪远程低空高速目标性能展开研究,在传统边扫边跟(Track while scan,TWS)技术基础上,给出了一种基于目标威胁度的快速确认跟踪模式。该模式采用有效的相控扫描策略,充分利用其波束捷变能力,通过相控回扫,一方面快速起始航迹,增加高威胁目标的跟踪距离;另一方面适当增加探测数据率,提高对远距高威胁目标的跟踪性能。仿真试验表明,新跟踪方法不但可以较好克服目标雷达散射截面积(Radarcross section,RCS)起伏影响,较快地起始和跟踪目标航迹,而且保留了TWS方法覆盖空域广的优点。     

对抗黑盒攻击的混合对抗性训练防御策略研究

随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。     

三小行星系统216 Kleopatra引力场中的动力学

主带三小行星系统216 Kleopatra是由主星216 Kleopatra及两个小月亮(moonlet)Alexhelios[S/2008(216)1]和Cleoselene[S/2008(216)2]组成。其中主星216Kleopatra是一个具有强不规则形状如哑铃的连接双星,大小为217km×94km×81km,外小月亮Alexhelios大小约为8.9km,内小月亮大小约为6.9km。其动力学行为具有非常丰富的科学内涵。研究了三小行星系统216Kleopatra自身的动力学机制及其引力场中探测器的运动规律,分析了主星质心固连系中探测器的动力学方程,给出了三小行星引力全多体问题的动力学方程及Jacobi积分,方程考虑了三个小行星的不规则外形、轨道与姿态。发现三小行星系统216Kleopatra主星引力场中一种新的周期轨道族的倍周期分岔。考虑主星的不规则精确外形与引力、两个小月亮的相互作用,研究了该三小行星系统的动力学构形。发现Kleopatra的强不规则几何外形及两个小月亮Alexhelios和Cleoselene的相互作用引起两个小月亮的轨道参数的显著变化。