BTT导弹神经网络直接逆控制算法的FPGA实现研究

针对BTT导弹控制系统中导弹模型的非线性和强耦合的特点,应用逆7系统和神经网络相结合的方法建立了导弹的逆模型.并以俯仰通道为例,设计了逆控制算法的BP神经网络结构,采用Verilog HDL编写了BP神经网络各个功能模块,并将其在FPGA上实现.通过神经网络逆控制算法在FPGA硬件实现和通用计算机上软件实现的对比,表明...     

航空发动机叶片表面损伤与检测研究进展

航空发动机叶片的工作环境极其恶劣,表面会出现各种类型的损伤。在损伤早期进行表面检测能够有效预防因损伤扩展导致的叶片失效断裂。发动机叶片表面损伤的检测和评估主要由人工操作,严重依赖工作经验,但人工检测不仅效率低下,而且检测结果容易受到人为因素的影响。为了高效、高精度地检测发动机叶片表面损伤,从叶片失效形式出发,综述了发动机叶片在停放和运行2种状态下的损伤机理,并重点阐述了涡流检测、渗透检测等常用于叶片表面损伤检测的方法。总结了基于机器视觉的检测技术,分析机器视觉检测面临数据集稀缺和单一性的挑战,认为收集大量数据并进一步完善评估标准是未来发动机叶片表面损伤检测系统研究的重点方向。     

基于多源异构信息融合的目标识别方法

现代化信息战争中,多传感器对目标协同感知的需求愈发迫切,如何有效融合传感器的多源异构信息是当前需要研究的问题。针对可见光图像和电磁信号 2种异构信源,提出 1种基于多分支深度学习网络的信息融合模型:分别基于 CNN(Convolutional Neuron Networks)和 CLDNN(Convolutional,Long Short-Term Memory,Fully Con-nected Deep Neural Networks)设计独立的的特征学习网络,统一异构信息的特征维度并进行矢量融合,再通过全连接网络对融合后的高维特征离散映射,实现目标分类。仿真结果表明:相较于采用单一传感器信息进行特征描述,该论文设计的信息融合模型能够有效利用目标的多模态信息,提升目标识别性能。     

基于时序状态学习模型的行人惯性导航算法

基于深度学习的行人惯性导航方法具有较强的适应性,近年来逐渐成为研究热点。然而,现有方法未充分考虑惯性数据的时序特性,缺乏时序数据的拟合能力。为进一步抑制微惯性导航系统的误差发散,建立了基于时序状态学习模型的行人惯性导航算法。与传统的行人航位推算（PDR）算法不同,此算法不依赖于传统的行人惯性导航框架,而是利用选择性两层双向状态空间模型结构,对特征编码后的隐式惯性特征向量进行时序建模,从而实现位移与不确定性估计。然后,将神经网络估计结果通过扩展卡尔曼滤波进行融合,以进一步降低误差漂移。通过行人导航实验,验证了该方法能够提升定位精度,有效抑制惯性误差发散,实现精准的行人导航。相较于紧耦合可学习惯性里程计（TLIO）方法,绝对轨迹误差和位移漂移率分别降低了32.35%和41.27%。     

基于惯性/仿生视觉/激光雷达的智能感知无人系统

针对当前缺乏对集成自主导航、目标探测、环境感知技术为一体的无人系统的研究,提出一种基于惯性/仿生视觉/激光雷达的智能感知无人系统, 将基于仿生偏振视觉/惯性/激光雷达的组合导航技术、基于YOLOv7的目标探测与环境感知技术应用在无人系统上,一方面可避免战时卫星导航易被反侦察与干扰的问题,提高无人系统在复杂环境下(野外环境与封闭未知环境)的隐蔽性与自主导航能力,增强组合导航系统的稳定性与鲁棒性;另一方面针对复杂环境利用视觉相机进行智能感知,提高无人系统的目标探测以及自主避障能力。利用搭建的无人系统进行实验验证。结果表明,该方法可以实现无人系统的自主导航以及目标识别功能。与传统方法相比,提高了自主避障能力。其导航精度在野外环境下误差在1°以内。     

天基逆合成孔径雷达脉内脉间运动补偿及高分辨成像

近年来,太空态势感知在军用和民用领域都得到了越来越多的关注。天基逆合成孔径雷达(SBISAR)能够实现对空间目标的高分辨成像,支撑部件提取、姿态估计、类型识别等后续任务,是太空态势感知的重要工具。然而,在SBISAR成像场景下,平台与空间机动目标间存在复杂的相对高速运动,传统距离-多普勒成像方法不再适用,必须进行运动补偿。本文针对高速径向速度下传统“停—走—停”模型失效、长相干积累时间内目标转速不一致的两个典型误差来源,分别设计了脉内运动及脉间运动补偿算法。首先,建立SBISAR成像的信号模型。然后,基于最小熵准则构建参数估计代价函数,通过估计目标对应回波信号的调频率,构造补偿项进而实现脉内补偿。同时,建立图像熵代价函数,在估计转动参数后,完成对目标转动的空变相位补偿。所提算法有效解决了天基高速机动背景下传统距离-多普勒成像方法的距离像展宽、方位散焦问题,实现了SBISAR对空间目标的高分辨成像。通过基于仿真数据的实验分析,验证了所提算法的有效性。     

基于CVAE的超高速碰撞碎片云运动过程的快速预测技术

在航天器防护构型设计中,需要快速、精确预测空间碎片超高速撞击防护屏产生碎片云的质量分布及其运动过程。采用深度学习方法,基于条件变分自编码器（CVAE）模型和大量铝球超高速正撞击铝板的光滑粒子流体动力学（SPH）方法的数值模拟结果,初步构建了碎片云空间质量分布与运动特征的快速预测模型。数值模拟中把铝球速度（3.00～8.00 km/s）、铝球半径（2.00～8.00 mm）、铝板厚度（1.000～4.000 mm）以及观测时间（1.0～12.0 μs） 4个变量作为输入控制参数,生成大量格式统一的训练集数据。模型隐藏层采用200个特征数据来描述碎片云质量分布,训练集参数范围内平均误差在0.6%以内,生成一个碎片云质量分布的平均时间小于7 ms。

     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。     

标准化学习管理系统的研究

针对现阶段低水平的学习管理系统重复开发、不同系统之间不能互操作,提出了可互操作的标准化学习管理系统的模型,并对各种不同类型数据信息进行XML绑定,实现不同系统之间的互操作。     

矩形通道中亚尺度肋片的流动换热数值分析

对装有不同结构亚尺度肋片矩形通道的流动和换热进行了数值模拟,获得了通道流场、温度场分布以及平均努塞尔数的基本特征,对各种肋片通道的换热特性进行了对比分析.计算结果表明:亚尺度肋片距主肋片根部越近越有利于散热;在远离热面区域,亚尺度肋片的比表面积越大传热效果越好.当扩展表面积相同时,亚尺度肋片的长宽比越大换热效果越好;计算结果及分析揭示了控制肋片最优几何形状的统一原则——广义温度梯度均匀化原则,并依照此原则确定了可以强化换热的较优的肋片结构.计算分析表明广义温度梯度均匀化原则可以控制对流换热过程的传热强化.