MRF模型去雾算法在机场场面监视中的应用

面对日益严峻的雾霾天气对民航业的影响,在雾霾天气下的机场场面监视方面,文章提出了一种基于MRF模型的去雾霾算法,并利用CNC去雾霾效果评价体系与Retinex、He等传统去雾霾算法的去雾效果进行了对比,可以看出,MRF模型去雾霾算法对场面监视的雾霾图像具有较好的效果性和鲁棒性。     

无刷直流电机神经网络PI控制系统设计

针对传统PI控制存在的动、静态控制性能较差的缺点,提出一种基于神经网络的PI控制方法。将神经网络与传统PI控制结合,构建神经网络PI控制系统,建立三层BP神经网络,并通过梯度下降法对各项参数进行修正,从而实现kp、ki参数的在线调节。仿真及试验证明,与传统PI控制方法相比,使用神经网络的PI控制系统在不同外部条件下都具有更快的响应速度和更小的超调量,可明显提高系统的动、静态性能。     

高速开关阀控电液位置伺服系统自适应鲁棒控制

为研究高精度的液压缸位置跟踪控制问题,设计了高速开关阀和换向阀组合控制液压缸的结构方案,并通过实验分析了高速开关阀的静态流量特性。建立了液压缸的连续可微摩擦模型,利用粒子群优化算法对其参数进行辨识。建立了系统的非线性数学模型,基于非连续参数映射和反步法设计了直接自适应鲁棒控制器,通过参数在线自适应调节来更新估计值和鲁棒反馈项支配参数不确定性,实验结果表明:在跟踪幅值为5mm,频率为0.4Hz的正弦信号时,最后一个周期的最大跟踪误差、平均跟踪误差及其标准差分别为0.638、0.25mm和0.405mm,与传统PID控制器相比,控制精度显著提升,旨在为实现高精度的数字阀控位置伺服技术提供有价值的参考。      

基于二进制粒子群算法的战时航空网络规划研究

领空作为国家资源的一部分,其使用、调配关系到国家的安全与发展,在战时,将更多的空中资源调配给军航使用,有利于保障军事行动的顺利进行。基于此,提出一种基于二进制粒子群算法(BPSO)的战时航空网络规划方法。首先,对航空网络建模,收集航班数据;其次,建立航空网络性能评价体系;然后,以使用尽可能少的民航机场维持预期网络性能为目标,以作战意图和战场环境为约束条件,通过BPSO 算法进行求解;最后,进行仿真分析。结果表明:该方法能够结合作战意图、反映战场环境、合理调配航空资源,为战时航空管制工作提供决策依据。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

双列角接触球轴承的免疫算法优化设计

建立了双列角接触球轴承结构优化的数学模型,用免疫优化算法,分别以额定动载荷、额定静载荷和两者的加权和为目标函数进行轴承结构的优化设计.设计变量包括每列的钢球数、钢球直径、内滚道沟曲率半径系数、外滚道沟曲率半径系数和轴承节圆直径.并对比分析了遗传算法与免疫算法的优化结果.免疫算法可以有效实现优化设计,与轴承手册标准值相比,优化后的3210和3218轴承的额定动载荷和额定静载荷都提高了60%以上.      

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

双通道恒模干扰抑制VHF接收机设计与实现

为了解决民航地空通信受到无线电干扰的问题,提出了双通道恒模干扰抑制自适应抑制接收机的设计实现方案。接收机中的信号处理平台在FPGA中实现自适应干扰抑制,使用DSP判断恒模算法输入信号是否存在干扰,以及对恒模算法输出信号进行属性判断以防止误捕获。再配以具有VHF信号接收功能的射频前端电路,实现接收、干扰抑制、解调地空通信信号的功能。系统测试表明,双通道恒模干扰抑制接收机能够自适应地抑制恒模干扰。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

基于壁面压力分布的非对称喷管反设计

针对目前非对称喷管的设计方法上的缺陷,给出了通过指定壁面压力分布规律来反设计其膨胀面型线的方法,获得了膨胀面型线反设计程序,并结合优化算法寻找综合性能较好的喷管壁面压力分布.将采用该方法设计得到的喷管模型与最大推力喷管进行了对比研究.结果表明:在设计点,该喷管的推力系数比最大推力喷管只降低0.102%,而升力和俯仰力矩分别提升2.295%和15.774%.验证了设计思想的正确性,为非对称喷管的设计提供了一种高效的设计方法.