基于逆最优问题的最优制导律及特性分析

在典型的能量最优制导律基础上,将制导律的2个特征根从有限的点/线区域扩展到所有可能的正实根区域,进而提出制导律中的逆最优问题。详细讨论了逆最优问题中性能指标加权矩阵的构造过程,给出了加权矩阵和Riccati矩阵的计算公式;将控制权矩阵选为time-to-go的负n次幂的形式,对加权矩阵的求解进行了举例说明。对8组不同的特征根研究结果表明,尽管每一对可能的特征根取值都能找到最优解释,但这并不能保证与其对应的制导律都能达到与典型能量最优制导律类似的制导性能,特征根取值越靠近典型能量最优制导律,则相对应的制导特性也越接近。     

一种可用于航空发动机健康状态预测的动态集成极端学习机模型

提出一种动态集成极端学习机模型用于航空发动机健康状态预测.采用AdaBoost.RT集成学习算法对极端学习机（ELM）进行集成,在训练时采用每个训练样本的近邻样本对ELM的局域性能进行评估;在预测时首先确定新样本在训练样本集中的近邻样本,然后根据ELM在近邻样本上的性能来赋予集成权值实现弱学习机的动态集成.以燃油流量为指标进行航空发动机健康状态预测,动态集成ELM模型短期预测结果的平均相对误差绝对值（MAPE）为3.688%,小于单一ELM模型的3.830%以及静态集成ELM模型的3.719%;长期预测结果中动态集成ELM模型的MAPE为3.075%,小于单一ELM模型的4.355%以及静态集成ELM模型的3.884%.因此动态集成ELM模型更适用于航空发动机健康状态预测.      

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

基于双重分类深度学习的低空目标自动检测方法

由于图像数量多,因此准确、高效的目标检测是提升靶场光测图像处理自动化程度的关键步骤.针对低空目标图像及目标类型多、目标特性变化等情况导致传统目标检测算法适应性差的问题,提出了一种基于双重分类深度学习的低空目标自动检测方法.该方法基于深度学习目标检测框架YOLO V3,根据低空目标的亮度和形状的双重属性特征,将网络输出层...     

基于自适应迭代的机器人曲面恒力跟踪

针对利用机器人进行打磨、抛光、去毛刺等场合时末端执行器对曲面工件轮廓跟踪时难以得到恒定接触力的问题,对机器人末端执行器和工件轮廓接触时的接触力进行研究,建立了实际跟踪过程中机器人末端执行器的接触力和已知传感器坐标系的映射关系,提出了一种基于自适应迭代学习算法的机器人力/位混合曲面恒力跟踪控制方法。该方法由两部分组成:基于机器人和环境接触时的阻抗模型设计了迭代学习控制律,在PD反馈控制的基础上通过迭代项克服机器人的未知参数和不确定性,并构建Lyapunov能量函数证明所提控制律的收敛性;将迭代学习控制律和力/位混合曲面恒力跟踪控制方法结合起来设计了用于曲面工件轮廓跟踪的控制方法。实验结果显示,经过15次迭代,接触力的波动范围逐渐变小并稳定在±3 N之内,验证了所提方法的有效性。      

遥感图像飞机目标高效搜检深度学习优化算法

为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络（DNN）的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。      

基于近端策略优化算法的四足机器人步态控制研究

足式机器人步态控制是机器人研究领域的难点问题,应用强化学习让机器人自主学习策略提供了一种很好的解决思路.基于ROS机器人操作系统搭建了四足机器人仿真平台,将近端策略优化算法用于四足机器人步态控制,并与其他深度强化学习算法进行了对比分析.仿真实验结果表明,近端策略优化算法在实际应用中具有更好的训练效果.     

基于深度学习与SAE网络的火箭推力下降故障诊断

针对运载火箭动力系统在发动机推力下降故障诊断中存在的推力下降程度及故障时间测算不精确的问题,提出了一种基于深度学习的故障诊断方法.不同时刻及程度的推力故障下,利用运载火箭六自由度运动学模型生成的过载信息作为故障训练样本,采用堆栈自动编码器方法训练网络,利用训练好的网络辨识发动机推力下降程度,带入六自由度仿真模型中可以实...     

航空发动机多支撑附件系统振动传递路径分析

附件系统是航空发动机的重要组成部分,发动机过度振动常常会造成附件结构的局部破坏。针对某航空发动机具有多个安装结构支撑的滑油箱系统,开展不同飞行状态(空中慢车、巡航以及最大工作转速状态)下滑油箱振动传递路径分析(TPA)。首先,基于TPA基本原理,建立了多支撑滑油箱系统TPA有限元模型,并验证了模型的有效性。然后,基于某发动机实测滑油箱振动载荷谱,仿真分析了滑油箱多个目标点的振动响应。进一步地,基于仿真TPA方法,比较研究了不同飞行状态下安装结构对滑油箱振动响应的贡献量大小。结果表明,在N₁、N₂及2N₁处,滑油箱振动响应相对较大;在空中慢车和巡航状态,安装结构不同振动传递方向对目标点振动响应贡献量排序为Y>X>Z;在最大工作转速状态,不同安装结构Y向和X向振动传递方向对目标点振动响应贡献量相对较大。最后,通过降低主要传递路径的传递函数和工况载荷,滑油箱振动响应分别下降了1.5、2.8 dB。本文所使用的TPA分析方法可用于指导航空发动机复杂多支撑外部附件系统的动力学设计。     

考虑应力梯度影响的多轴缺口疲劳寿命预测

给出了几种典型拉-扭加载路径在新定义主坐标系下的π平面投影路径,并基于π平面投影路径提出了一种新的多轴疲劳损伤参量;考虑材料多轴加载的非比例附加强化效应,提出了一种非比例附加强化系数的预测方法和非比例度的定义方法;进一步考虑缺口试样多轴加载下的拉-扭应力梯度分布,结合有限元弹性分析的结果,提出了一种考虑多轴效应的等效应力梯度因子,从而发展了一种新的考虑应力梯度影响的多轴缺口疲劳寿命预测模型,并选用GH4169合金650℃下的多轴缺口疲劳试验结果对所提出的寿命模型进行验证。结果表明:①所提出的多轴疲劳损伤参量有明确的物理意义,不仅适用于多轴疲劳,也适用于单轴疲劳;②所提出的等效应力梯度因子仅需通过弹性有限元分析确定,适合工程实际应用;③新的寿命预测模型对GH4169材料多轴缺口疲劳试验的寿命预测结果较好,基本位于2倍分散带以内。