四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

薄膜热电偶热氧化可靠性及结构优化

航空发动机涡轮叶片处于发动机温度最高的部位，将薄膜材料制备于待测物表面形成热电偶传感器，可及时有效的对涡轮叶片进行测温。薄膜热电偶多层膜间的热氧化界面扩散失效是导致薄膜可靠性不高的主要原因之一，基于Fick第二定律提出多层膜扩散可靠性模型，定量描述薄膜热电偶扩散失效机理，通过仿真计算，结合粒子群算法，以薄膜寿命最大为目标，寻优得到各膜层对应的最佳结构，为结构工艺上提高薄膜热电偶寿命的研究提供了一定的借鉴。