基于试验分岔分析的翼身融合飞行器纵向稳定性

针对翼身融合布局飞行器的纵向稳定性问题，基于分支和突变理论，求解迎角随升降舵变化的平衡分岔图，并对平衡分支的稳定性和突变点进行了分析。结合风洞虚拟飞行试验技术，发展了试验分岔分析方法，并设计了基于非线性动态逆的伪线性控制器，由此获得并分析了开环试验和闭环试验平衡分岔图。对比分析表明，理论分岔分析与开环试验分岔分析在小迎角范围结果基本一致，验证了试验分岔分析方法的可行性和准确性；翼身融合飞行器产生纵向失稳的主要原因是机翼表面流动分离，从而导致C_mα发生突变引起的；闭环试验分岔分析实现了翼身融合飞行器非线性全局稳定性控制，通过纵向非线性控制器，可以将不稳定平衡分支改造成稳定的平衡分支。     

结合迁移学习基于全卷积神经网络的ISAR自聚焦算法

逆合成孔径雷达（ISAR）成像目标多为非合作目标，在目标相对运动状态未知情况下的运动补偿是ISAR成像的关键。基于全卷积网络（FCN）具有强大的数据抽象特征挖掘和拟合能力，将FCN用于ISAR自聚焦，提出一种结合迁移学习基于FCN的ISAR自聚焦算法。通过构造大量不同相位误差的仿真数据集并进行训练，使FCN具有相位补偿能力，对不同姿态下仿真以及实测数据进行迁移训练，进一步提升平动相位补偿的能力。实测数据处理结果表明，结合迁移学习基于FCN的自聚焦成像效果优于传统类自聚集算法，验证了所提算法的有效性，相比传统方法更具优越性。