基于增量学习的非定常气动力参数化降阶模型

气动降阶模型（ROM）是预测非定常气动力的有效工具,具有高精度和低计算成本的优点,近年来许多研究证实了该方法的有效性。但是关于飞行参数变化时,ROM的鲁棒性还需要进一步提高。为了提高ROM对不同飞行参数下的气动力预测能力,提出了基于最小二乘支持向量回归（LS-SVR）和增量学习算法的参数化降阶模型。LS-SVR是一种具有良好泛化能力的回归方法,基于LS-SVR的增量学习算法的主要贡献是在增加新样本集时,不需要重新学习整个数据集。为说明该方法的有效性,基于两自由度NACA64A010翼型构建参数化非定常气动力降阶模型。为了训练气动力输入和相应输出之间的关系,将马赫数和迎角作为附加的模型输入。仿真结果表明,该降阶模型能够准确描述气动力和气动弹性系统在不同飞行参数下的动态特性。     

基于深度长短期记忆网络的发动机叶片剩余寿命预测

为了预测航空发动机转子叶片的剩余寿命,提出了一种基于多传感器信号融合的深度长短期记忆网络(DLSTM)预测模型.利用深度学习和长短期记忆的组合来构造DLSTM网络,将多个传感器信号数据进行融合处理,通过深度学习发现各个传感器时序信号之间隐藏的长期依赖关系.在给定网格搜索策略的情况下,通过自适应矩估计算法调整DLSTM的...     

基于深度学习的飞行载荷测试与反演方法研究

飞行载荷测试技术对飞机的载荷设计、强度试飞以及寿命监控等有重要的意义。为了实现复杂翼结 构气动载荷的实时在线分布测试,提出基于精细化有限元仿真数据驱动的载荷反演方法;使用深度学习方法建 立神经网络代理模型,通过有限元方法构建典型载荷下的结构响应数据集,对模型进行训练;将基于深度学习 方法的翼面载荷反演结果与有限元计算结果进行对比验证。结果表明:总载荷的平均误差约为0.2%,压心位 置误差约为1%,该方法可以使用少量的应变测点数据对整个翼面结构的载荷分布实时反演与重构。     

基于深度强化学习的固定翼无人机编队协调控制方法

由于运动学的复杂性和环境的动态性,控制一组无人机遂行任务目前仍面临较大挑战。首先,以固定翼无人机为研究对象,考虑复杂动态环境的随机性和不确定性,提出了基于无模型深度强化学习的无人机编队协调控制方法。然后,为平衡探索和利用,将ε-greedy策略与模仿策略相结合,提出了ε-imitation动作选择策略;结合双重Q学习和竞争架构对DQN（Deep Q-Network）算法进行改进,提出了ID3QN（Imitative Dueling Double Deep Q-Network）算法以提高算法的学习效率。最后,构建高保真半实物仿真系统进行硬件在环仿真飞行实验,验证了所提算法的适应性和实用性。     

弱模型依赖通用智能姿态控制技术

超高速跨域飞行、敏捷机动等是新一代飞行器发展方向,而长时高速飞行产生的气动外形变化带来的气动参数大范围改变等问题,都对控制系统设计提出了更高的要求。为提高飞行器对模型不确定性的适应能力及控制方法对不同外形、复合执行机构的通用性,深入研究了弱模型依赖的通用智能姿态控制技术,分层次地开展了基于深度学习(DL)的自适应姿态控制、基于深度确定性策略梯度算法(DDPG)的通用姿态控制、弱模型依赖的多维复合控制等技术研究,显著提高了控制系统的鲁棒性和通用性,对人工智能技术在飞行器姿态控制中的应用具有一定的指导意义。     

具有学习效应的单机可控加工时间排序问题研究

在经典排序问题中，工件的加工时间往往是一个常数，但在现代生产过程中，工件的加工时间受许多因素的影响。因此，研究工件具有学习效应的单机可控加工时间排序问题，其中工件的加工时间是其所在位置的函数，且与加工时间的控制变量有关。目标是求出最优的加工时间控制变量和最优的排序使得目标函数最小，目标函数包括极小化时间表长与控制费用的和、极小化总完工时间与控制费用的和、极小化总完工时间偏差和与控制费用和。证明他们都能转化为指派问题，从而多项式时间可解。并给出数值例子来说明问题是如何求解的。     

文化认同与英语学习:基于非英语专业大学生的历时研究

通过问卷对三个年级557名非英语专业大学生的英美文化认同进行了调查研究,发现总体上这些大学生对英美文化的认同呈上升趋势;文化认同与他们的课外英语学习时间呈弱正相关,而与专业、年龄、英语学习年限呈弱负相关;文化认同与性别、家庭背景和外在动机开始呈正相关而后来却呈负相关,始学年龄则相反;文化认同与内在动机呈显著正相关,而与英语水平呈不显著的正相关。     

Recent progress of machine learning in flow modeling and active flow control

In terms of multiple temporal and spatial scales, massive data from experiments, flow field measurements, and high-fidelity numerical simulations have greatly promoted the rapid development of fluid mechanics. Machine Learning(ML) provides a wealth of analysis methods to extract potential information from a large amount of data for in-depth understanding of the underlying flow mechanism or for further applications. Furthermore, machine learning algorithms can enhance flow information and automat...     

基于多智能体强化学习的对抗博弈技术综述

多智能体对抗系统是多方博弈的复杂系统。近年来,很多研究聚焦于用强化学习解决多智能体对抗博弈问题。文章从多智能体强化学习的角度对智能博弈对抗的算法进行综述。首先,简要介绍了对多智能体强化学习及博弈论;然后,提出多智能体强化学习的 4项关键技术难点,并提出相关解决方法;最后,归纳多智能体强化学习的前沿研究方向,总结了研究热点与存在的挑战。综述为后续的研究打下基础,为使用多智能体强化学习解决博弈对抗问题提供思路。     

高校师德建设实践探索——以西安航空学院为例

师德建设是高校师资建设的重要内容。以西安航空学院已开展的工作为基础,从加强思想理论建设,建立完善各项相关规章制度,创建学习型组织等方面出发,探索构建高校师德建设的长效机制,推进高校师德建设向纵深方向发展。