蜻蜓爬升过程飞行特征实验研究

昆虫真实飞行过程中的飞行特征是仿生流体力学机理研究的基础和关键。本文针对蜻蜓(黄蜻)大、小爬升角2种飞行状态的运动规律和动力学特性展开研究,根据蜻蜓的趋光特性诱导其进行爬升飞行。采用2台光轴相互垂直的高速摄像机进行拍摄,通过特征点匹配和三维重构方法准确地捕捉了2种爬升飞行过程中蜻蜓身体和翅膀的运动参数,并进行动力学特性对比分析。实验结果表明:蜻蜓在进行大爬升角爬升时需要的上升力大于向前的推力,最大拍动幅度比小爬升角爬升时约大40%;扑翼频率比小爬升角爬升时约大3.3 Hz,前后翅相位差相对于小爬升角爬升时减小20°以上;另外,大爬升角爬升过程中前翅前倾角度更大,这样能够使蜻蜓身体保持更大的俯仰角,翅膀能够获得更大的上升力。      

吸气式超声速导弹爬升段多约束轨迹优化

针对吸气式超声速导弹飞行过程多约束及强耦合的特性,研究了超声速导弹爬升段的轨迹优化设计问题。考虑吸气式推进系统与气动力、飞行轨迹的耦合,对超声速导弹冲压发动机的性能进行分析,揭示了吸气式发动机推力、静压裕度以及余气系数随飞行状态的变化规律;在考虑过载、动压、终端弹道参数及发动机参数等约束的条件下,建立多约束条件下的轨迹优化模型,提出一种适用于此类飞行器飞行轨迹与推力规律的优化设计方法,并对最小油耗的爬升弹道进行优化设计分析。仿真结果表明,该方法能有效解决吸气式超声速导弹多约束轨迹优化问题,可为吸气式超声速导弹的弹道规划与制导律设计提供参考。     

深度确定性策略梯度算法用于无人飞行器控制

对深度确定性策略梯度算法训练智能体学习小型无人飞行器的飞行控制策略进行了探索研究。以多数据帧的速度、位置和姿态角等信息作为智能体的观察状态,舵摆角和发动机推力指令作为智能体的输出动作,飞行器的非线性模型和飞行环境作为智能体的学习环境。智能体在与环境交互过程中除了获得包含误差信息的密集惩罚外,也有达成一定目标的稀疏奖励,该设计有效提高了飞行数据的样本多样性,增强了智能体的学习效率。最后智能体实现了从位置、速度和姿态角等信息到控制量的端到端飞行控制,并进行了变航迹点、模型参数拉偏、注入扰动和故障条件下的飞行控制仿真,结果表明智能体除了能有效完成训练任务外,还能应对多种训练时未学习的飞行任务,具有优秀的泛化能力和鲁棒性,该方法具有一定的研究价值和工程参考价值。     

基于 PIV 速度场测量重构压强场的研究进展

利用 PIV 测量得到的速度场数据重构空间压强场是一种新颖的压强测量方法。目前国外的一些仿真计算和风洞实验已经证明了该方法的可行性和有效性。本文首先详细介绍了基于 PIV 速度场测量重构压强场的基本原理---两种压强梯度计算方法(拉格朗日方法和欧拉方法)和两种压强积分方法(平面 Poisson 法和直接空间积分法),然后从速度场测量、压强梯度计算和压强分布计算3个方面综述了基于 PIV 速度场测量重构空间压强场的关键技术及相关的研究进展,最后从 PIV 速度测量的改进、参数的优化设置、算法的改进与创新、探索并完善3D压强分布计算、可压缩流动条件下的压强重构技术等5个方面探讨了该方法的发展方向,以期引起国内同行对该技术的高度重视并为其进一步发展提供一定的参考。     

基于物理量梯度修正的RBF数据传递方法

径向基函数是复杂外形飞行器多场耦合计算中重要的数据传递方法。复杂飞行器物理量分布通常与局部流动特征密切相关且在不同区域变化剧烈,如何在具备各向同性特征的径向基函数中考虑实际物理量各向异性分布因素的影响成为制约其精度进一步提升的关键。针对径向基函数的问题,提出了一种基于局部物理量梯度对径向基三方向权重进行自适应修正的数据传递新方法。采用高超声速舵面、翼身组合体算例对该方法在单次数据传递中的可行性及效果进行了验证,同时基于该方法对压缩拐角外形开展了气动力/热/结构多场耦合数值模拟,并与风洞试验结果进行了对比分析,以验证该方法在实际耦合问题计算长时间高频次数据传递中的适用性及可靠性。研究结果表明该方法能够很好地提升如薄板样条插值（TPS）、多重二次函数插值（MQ）等全域基函数的单次插值效果,并且有效地改进了MQ方法对形态参数的鲁棒性,而对于梯度修正后的紧支基函数,其改进效果更佳,以较少的点达到了TPS、MQ等全域基函数的插值效果,实现了数据传递效率和精度的兼顾。采用该方法获得的耦合计算结果与试验对比一致,表明了该方法的可用性以及在复杂外形多场耦合问题中的良好工程应用前景。     

基于多尺度梯度及深度神经网络的汉字识别

介绍了一种基于多尺度滑动窗的方法提取文字的梯度直方图特征,并结合深度神经网络对印刷体汉字进行识别.针对梯度直方图的空间关系,使用可伸缩的滑动窗对图像进行分割,在不同尺度上获取文字的特征信息,有效融合汉字的全局特征和局部分块特征.实验采用5层的深度神经网络模型对国标一级3755个印刷体汉字进行分类,并应用Dropout技术防止训练过拟合,提高神经网络的泛化能力.实验准确率达到98.292%,有较好的识别性能,验证了本文多尺度梯度特征及深度神经网络模型在文字识别上的有效性.      

电容成像双共轭梯度图像重建改进算法

针对电容层析成像技术（ECT）逆问题中软场效应的影响,以及重建图像时使用的传统迭代类算法迭代次数多、成像速度慢等问题,将双共轭梯度（BICG）应用到电容层析成像技术中,为了得到更好的重建效果,提出了双共轭梯度与正则化思想相结合来求解逆问题的最佳解。通过COMSOL5.3软件进行建模,使用MATLAB 2014a进行图像重建与图像评估,分别使用Tikhonov、Landweber、共轭梯度（CG）、BICG、所提改进算法进行图像重建。实验表明:所提改进算法的成像效果不仅优于其他迭代类算法,而且大大缩短了图像重建需要的时间;尤其对一些复杂流型成像效果更佳,图像错误率低至约0.2,相关系数高达约0.88,成像时间缩短至2.77 s,迭代次数减少至20次。      

基于BoF模型的多特征融合纹理图像分类

针对特征词袋（BoF）模型缺乏空间和几何信息,对纹理图像内容表达不明显等问题,提出一种基于BoF模型的多特征融合纹理分类算法。将灰度梯度共生矩阵（GGCM）和尺度不变特征转换（SIFT）融合特征作为纹理图像的区域特征描述,通过动态权重鉴别能量分析进行最优参数特征选择,并用BoF量化纹理特征,使用支持向量机对图像进行训练和预测,得出分类结果。实验结果表明,本文算法对有旋转扭曲的纹理、边缘模糊纹理、有光照变化的纹理及杂乱纹理等均能取得较好的分类效果,相对于传统BoF模型及凹凸划分（CCP）方法等算法在UIUC纹理库上的分类正确率均有不同程度的提高,平均分类正确率分别提高12.8%和7.9%,说明本文算法针对纹理图像分类具有较高的精度和较好的鲁棒性。