综合机载机电及环控系统新技术

首先对美国两种飞机综合机载机电系统发展方案做简单介绍,并进一步介绍了其中公共设备(机载机电)管理系统、多电飞机、"热油箱"燃油热管理系统、组合动力装置和热/能量管理组件等新技术概念内涵与关键问题,最后重点详细介绍了现代军用机先进的环控系统技术.      

CGF系统中多级智能决策实现方法

对于计算机生成兵力系统中上级指挥员决策模型的建模采用了一种基于似然比的方法;而对于下级指挥员的决策模型的建模采用了一种基于模糊逻辑的方法.基于似然比的方法能够有效完成信息融合,从而给出合理的决策结论.基于模糊逻辑的方法所得到的决策输出充分考虑到了指挥员个人的性格、经验以及战场的具体环境,并且这些决策输出将作为上级指挥员决策模型的信息来源.这些方法在计算机生成兵力系统舰艇兵力设计中的应用表明它们能够有效的完成多级智能决策模型的建模.      

群智能机制启发的传感器网络能量感知服务质量路由树

提出一种理论优化路由树的启发式算法,实现地理信息辅助的传感器网络服务质量数据收集架构.算法采用群智能蚁群优化机理进行设计:首先通过构造基于流量的能量有效性权将网络划分为不同的功能区域,使得路由的选择过程能够低延时地自适应网内不均衡性的能耗状况;然后,设计了新颖的启发式因子和信息素更新规则,赋予人工蚂蚁代理感知网络局域能量状况和逼近理论优化树的能力,从而提高路由构建的自适应性和能量有效性.仿真实验结果表明,本文提出的路由机制能够在数据收集的应用背景下,有效提高收集质量和降低传输时延,并在健壮性和节能效果方面优于许多经典的传感器网络路由算法.     

基于运行数据的民航机场安全管理系统研究

随着运输量的快速增长和运行复杂性的日益增加,民航机场面临的安全压力日益增大。本文运用信息管理手段解决机场安全管理问题,建立了基于B/S结构的机场安全管理系统。该系统为机场相关部门提供了日常安全管理工具和必要的突发事件响应决策支持工具,实现了机场安全管理的日常工作和风险管理的结合,提高了机场安全管理的准确性、快捷性和高效性。     

基于神经网络的风洞尾支杆减振系统

风洞试验时,由于气流的影响,测试用悬臂式尾支杆容易产生大幅度低频振动,这会严重影响测试精度,甚至损坏自身结构。为了有效抑制尾支杆的振动,本文设计了基于压电组件的主动减振系统,并将人工神经网络应用于PID控制,提出了神经网络PID智能控制算法。对尾支杆进行有限元分析,获取其模态参数。然后设计试验测试减振系统的性能,将神经网络PID与经典PID的控制效果进行对比。试验结果表明:在连续载荷的作用下,采用经典PID控制算法与神经网络PID均可达到有效控制(减振幅度70%以上),且神经网络PID在保证减振效果的情况下实现控制参数自整定,具有良好的鲁棒性。     

变形翼的分布式协同控制方案

搭建了一个基于相互作用的智能体阵列的变形翼模型。针对该模型,提出了一种分布式协同控制方案,以驱动翼面准确平滑地变形至期望翼型。分析变形翼系统在采样通信约束下的稳定性,给出了基于Lyapunov-Krasovskii稳定性理论的稳定性判据。利用锥补线性化方法,提出了控制器设计的算法。最后使用Matlab进行变形翼的仿真,结果证明了提出方法的可行性。     

智能飞机机载烟雾探测器检测系统研究

国内对民用飞机机载烟雾探测器的故障检测仍处于较低水平,烟雾探测器的故障检测技术完全依赖于国外。本文基于神经网络算法,分析机载烟雾探测器的故障诊断方法,实现对机载烟雾探测器故障的测试与定位,测试平台经调试运行可以达到实际应用水平。     

基于物联网的智能交通系统的构建

物联网在城市交通的应用是未来智能交通发展研究的重要方向。针对现在智能交通系统的现状及存在的问题,在充分理解动态感知、主动管理、人-车-路协同概念基础上,构建基于物联网的智能交通系统。论文中给出了物联网智能交通系统的构架及其各项功能。     

网络系统的容错控制、优化与博弈研究综述

网络系统是一类由多个子系统通过机械或通信相互耦合所构成的系统。该系统由于其结构复杂、耦合机制多变,具有较高发生故障的概率。随着近几年人工智能的快速发展,网络系统除了可能发生物理故障,还可能存在恶意决策,为系统的安全性带来了新的威胁。本文首先针对网络系统的物理故障,从容错控制和容错优化两个角度总结和梳理当前国内外相关的研究成果。接着,沿着容错博弈控制技术发展的脉络,从博弈控制到分别面向物理故障和恶意决策的容错博弈控制,总结了相关的研究成果。进一步,梳理了当前博弈论在集群飞行器中的应用现状,并以此抛砖引玉,希望推动容错博弈成果在航空航天领域中的应用。最后给出了几个未来值得探索的研究方向。     

基于DE-MADDPG的多无人机协同追捕策略

针对多无人机协同对抗快速目标的追逃博弈问题,研究了多无人机的协同追捕策略。基于解耦多智能体深度确定性策略梯度算法DE-MADDPG研究了多无人机协同对抗快速目标的追捕策略,设计了多无人机协同追捕的全局奖励和局部奖励两种奖励函数,训练后的多无人机能够有效地执行协同追捕任务。通过设置快速目标的多种逃逸控制策略,仿真验证了所设计的方法能够利用追捕无人机的数量优势,通过协作完成对快速目标的协同围捕,并且通过比较,验证本文所提出的算法相比MADDPG算法更快地取得了收敛效果。