基于三维点云重建的助推器位姿估计

助推器分离是运载火箭发射过程中的关键动作之一,常用的激光雷达姿态测量技术在助推器分离阶段受外界干扰严重,难以准确获得位姿。基于视觉的助推器位姿变化测量技术具有优秀的抗干扰能力,通过搭建三维点云重建网络,以图像为输入,三维点云为输出,在构建的助推器分离过程的图像 点云数据上进行了训练和测试,对测试重建的助推器点云使用主成分分析的方法完成了位姿的估算。测试结果表明,所建立的三维点云重建网络可以根据仿真图像数据,精确测量助推器分离阶段的位姿变化,在R2score指标下,对三维坐标的预测分数均在0.98以上,姿态角平均误差约为21°,预测分数则均在0.80以上。     

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。      

神经网络在发动机自适应建模中的应用研究

提出了一种新的基于神经网络的发动机自适应实时模型的建模方法。建模的思想是认为发动机的任何非额定工作都将导致其输出参数的变化,因而可以把这些参数偏离正常工作参数值的变化量,也就是输出偏离量,用来表征发动机的非额定工作情况。把它们作为增广的状态变量,设计卡尔曼滤波器对其进行最优估计,然后用这些输出偏离量的估计值,通过由BP神经网络训练出来的可测输出偏离量与未测输出偏离量的映射关系来校正机载发动机模型的计算输出,使之与真实发动机的输出一致,从而使实时机载模型获得对任何发动机非额定工况的自适应能力。      

基于概率神经网络的发动机故障诊断

 用反向传播神经网络 (BPNN)和概率神经网络 (PNN)对航空发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较。仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高的诊断准确率;当测量参数的噪声较大时,则概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性。此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度。     

基于MLR的机动平台传感器误差配准算法

 基于固定平台传感器误差极大似然配准(MLR)算法,针对机动平台存在姿态角系统误差的问题,提出了对机动平台传感器系统误差和目标状态进行批处理离线估计的机动极大似然配准(MLRM)算法.该算法利用所有传感器对目标的量测值,通过把传感器量测向目标状态进行投影、对传感器系统误差和目标状态进行期望最大化迭代以及对目标的状态进行融合估计,最终实现量测、姿态角系统误差和目标状态的有效估计.仿真结果表明,该算法迭代收敛速度快,对系统误差估计精度高,对系统误差可观测性较低的配准环境的适应性强并且对传感器姿态角的相关性不敏感,具有很强的工程实用性.     

基于多令牌协议航电WDM光环网波长分配方法

 针对航空电子光网络的实时性问题,建立了航空电子波分复用(WDM)环网模型,以实时消息流矩阵作为网络的输入,依据静态光网络最小化波长数目的优化目标,提出了一种基于多令牌协议的光网络波长分配方法,并推导了航电光网络中光通道的端到端传输时延计算公式。通过对理论计算和仿真结果的分析,此协议下的波长分配方法在网络中可以实现波长重用,比传统环网的波长数目平均降低了58.1%,优化了波长数目,并且多令牌控制协议满足航空电子网络对消息实时性的要求。此方法对于航空电子光网络的设计与性能分析具有参考价值。     

基于贝叶斯网络的民航安全分析研究

安全在民用航空领域占有举足轻重的地位,直接影响民航企业的生存和发展。科学合理的安全分析便于及时发现民航领域存在的安全问题,预防航空事故诱发因素的萌生,提高民航安全管理的科学性和可操作性。根据民航安全的特点,建立了基于故障树的多态贝叶斯网络系统安全分析模型,综合运用诊断推理和因果推理形式,实现了定性与定量相结合的民航安全分析,通过航空灾难的实例验证了方法的有效性。在此基础上,提出采用区间型贝叶斯网络进行民航安全分析,克服了其他方法只能分析计算单点概率值的局限性,比传统的安全评估更客观,更有说服力。     

认知无线电网络中基于几何规划的分布式功率控制

功率控制对于允许次用户和主用户之间频谱共享的认知无线电网络来说是关键的,针对具有干扰限制的认知网络最大总容量得到一种最优的分步式功率控制策略,对于系统效用的非凸性,引入几何规划把非凸最优化问题转换为凸最优化问题,引入辅助变量和额外等式约束,把效用之间的关联转化为约束之间的关联,提出了功率控制策略的解决方法,显示了整体最...     

一种航空发动机性能监控的免疫神经网络模型

提出了一种基于免疫神经网络的航空发动机性能监控与故障检测模型.利用人工免疫系统的识别机理,并结合人工神经网络,确定发动机性能偏离正常值的程度(异常度),实现发动机性能趋势的监控.该方法能够灵敏、准确地反映发动机整体性能的变化情况,提高发动机性能正常与否的识别率,并以此来发现发动机潜在早期故障,防止故障的扩大.通过对某型涡扇发动机进行监控,证明该方法确实有效.      

BTT导弹的神经网络自适应反馈线性化控制

提出基于反馈线性化理论的BTT导弹自动驾驶仪设计方法。并提出由俯仰过载命令产生攻角命令的方法。应用CMAC神经网络构成一种自适应反馈线性化方案,使具有不确定性的实际系统获得要求的跟踪性能。闭环系统的稳定性由李雅普诺夫稳定性理论得到保证。该方法适合于控制导弹作全空域飞行。