无人直升机的自适应非线性控制

最近几年，许多仿真结果都揭示了基于神经网络的直接自适应控制在飞行控制系统设计中的发展潜力。其中最重要的一点就是显著降低了对系统动态模型的要求。本文把该方法应用于无人直升机，给出了自适应姿态控制系统和跟踪控制器的设计方法。通过，数字仿真表明该控制方法有良好的跟踪控制性能。     

遥测帧码数字相关检测器的神经网络实现

建立了一种利用遥测最佳帧同步码的符合度特征和多比特观测窗 数字相关检测器模型，基于模糊利用神经网络实现了这种数字相关检测器，它对帧码出现的误码的码元滑动的情况均有较高的检测率，实现结果主宰了这些结论。     

基于卫星质保体系的神经网络模型

针对质保体系基础上的卫星产品保证管理，应用多层前馈神经网络原理和方法，建立了基于无卫星产品保证要求的质保体系与基于卫星产品保证要求的质保体系神经网络模型，以用神经网络模来模拟和控制卫星产品的质量水平；并用模比较了两种质保体系的联系与区别。     

移动卫星网星际路由协议及算法的现状分析

基于卫星网的全球移动通信将成为未来通信发展的一个重要方向。对目前国际上已经提出的几种主要的移动卫星网星际动态路由协议及算法进行分类和介绍,并且针对每一种协议或算法分析其优缺点。最后对整体的情况作一总结。     

Using neural networks to determine the optimum solar input for the prediction of ionospheric parameters

Neural networks (NNs) are proving to be ideal tools for modeling the behaviour of the ionosphere. The NNs are trained using a database of archived data describing the relationship between the output parameter and an input space. The input space is designed from knowledge of those variables that affect the behaviour of the output parameter. For ionospheric parameters this input space would always include a solar variable due to the strong influence that the sun has on ionospheric behaviour.     

基于可编程控制网关的一体化网络体系结构

当前IP网络和非IP网络长期共存,协议体系和通信体制互不相同,异构网络的互联互通困难.针对这个问题, 首先从异构网络间连接的关键节点——网关出发,通过将网关底层的数据转发和控制功能分离,并将网关上层的管控功能和应用服务功能抽取出来,提出了一种基于可编程控制网关的一体化网络体系结构.该系统结构将网络分为一体化网络协同管控单元、子网间可编程控制网关节点和异构子网3层,设计了基于典型异构网络的互联协议栈,以集成不同的网络协议.进一步在一体化网络构架的基础上,给出并分析了异构网络的抽象与描述、基于可编程网关的异构子网智能适配技术、一体化网络的资源管理与协同优化理论等关键技术.最后基于民用航空通信给出了一个异构互联示例,表明一体化网络体系结构的可行性.      

基于分层思路的动态非线性气动力建模方法

很多非线性气动力模型难以精确预测系统的小扰动线性特征。针对这一局限,提出了一种非线性分层模型,用于辨识跨声速非线性非定常气动力。分层建模需要同时提供微幅振荡和大幅振荡两套训练样本,首先通过线性模型(如带外输入的自回归(ARX)模型)对微幅振荡样本进行建模,而后采用非线性模型(如径向基函数神经网络(RBFNN))对大幅振荡的样本与线性模型的差量进行建模,进而把线性模型和非线性模型的输出相叠加,得到分层非线性动力学模型。算例表明建立的分层气动力模型与单一自回归径向基函数(AR-RBF)神经网络模型相比不仅具有更高的数值精度,可以精确预测大幅运动中的非线性特征,而且在小扰动状态下自动退化为线性模型,能够精确刻画结构微幅振荡下的线性动力学特性。     

基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。     

基于综合应力工作态试验和神经网络的CMG失效边界域预测

本文设计了一种可同时模拟真空热环境和CMG与航天器角动量交换工况的试验设备,提出了模拟在轨真空环境下温度、CMG框架转速、航天器转速3种应力的工作态试验方法,给出了适用于神经网络的CMG运行状态定量表达方法,利用少量试验数据和神经网络方法对工作极限转速矩阵、失效边界、失效边界域进行预测,分析了经验样本对预测结果的影响,以及各应力对其他应力工作域的耦合影响,并给出了预测结果的可信度分析方法。研究结果表明,所提出的方法可以更真实模拟CMG在轨工作状态的同时显著节省试验经费和时间,并具有较高的预测准确性和多应力工作场景适应性,对I和Ⅱ两类训练数据集分别获得100%和98.8%的预测正确率,给出了仅凭试验数据无法得到的55℃下的转速失效边界,并且可以内化试验数据背后的工程经验。     

基于径向基神经网络的气动热预测代理模型

为快速获取高超声速飞行器表面热流数据并缩短飞行器气动热设计周期,提出了一种基于径向基神经网络的气动热快速预测代理模型方法。首先,在飞行器表面每一个离散化的网格节点单独构造一种正则化的径向基神经网络。随后,通过训练集对所有网络同时进行训练,获得各自网络的连接权值。最后,所有网格节点的神经网络协同预测飞行器表面不同位置的热流。对NASA火星实验室的椭圆钝化高超声速飞行器的应用表明,所提出的代理模型方法在模型训练完成后能够快速进行飞行器表面热流预测,并且模型具有良好的泛化能力,在驻点及迎风大面积区域热流预测结果与数值模拟的偏差在10%以内。