地基深空网发射机现状及未来发展

我国未来深空探测工程的发展对地基深空站发射机提出了更高的要求,不仅仅需要具有更高的输出功率,同时需要解决发射机高频谱纯度、高效率以及上行功率合成等。针对这些要求,对国内外地基深空网的组成和深空站高功率发射机现状以及未来发展趋势进行了研究,分析了速调管发射机与固态发射机在高功率输出条件下的优势,在此基础上,提出了我国深空站速调管发射机需要开展高功率连续波速调管、高功率低损耗滤波器、低纹波高功率开关电源、上行功率合成等关键技术,并为相应关键技术提供了理论建议及相应的解决方法,这可以为我国未来深空探测工程高功率发射机研制提供技术支撑,为后续地基深空网建设和发展提供参考。     

基于PCA-TN的直升机主减速器通用热分析计算

针对当前热分析方法无法满足直升机主减速器结构复杂多变的问题,提出了一种快速获取主减速器温度场分布的通用热分析方法。以典型直升机主减速器为样本,进行了主成分分析（principal component analysis,PCA）,并结合热网络法（thermal network,TN）,分析获得3种通用热分析单元体模型。对于不同结构的主减速器,通过单元体及其衍生体的组合可以迅速且有效地建立其系统热分析模型,求解获得温度场分布。以某直升机主减速器为例,应用该方法进行了热分析,并与试验进行了对比,结果表明:该方法能高效计算主减速器的温度场分布,计算值与试验值最大误差为5.07%,满足主减速器热分析工程计算需求。      

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

控制系统延迟对轴扭振的影响

控制系统中的轴扭振会引起系统控制量的振荡,加大机械传动装置磨损,甚至会导致传动轴断裂。在工业应用中,多采用陷波滤波器抑制轴扭振,而陷波频率的选取通常未考虑控制系统延迟因素。基于电机角速度增量、轴转矩增量和电机电磁转矩增量的相位图,分析了控制系统延迟对轴扭振频率的影响。仿真结果对分析结论给予了验证。     

融合式翼梢小翼减阻效应研究

有效减小诱导阻力对于飞机降低油耗、提高航程具有重要意义。针对某飞机翼身组合体构型,采用CFD数值模拟方法分析融合式翼梢小翼对飞机气动力特性的影响,尤其是其减阻效应;并给出翼梢小翼附近的空间流场。结果表明:带翼梢小翼后翼尖涡强度减弱,飞机阻力系数明显下降;固定升力系数0.5时,弯矩增加3.2%,阻力系数减小4.2%。     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。     

融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。     

音频信号矢量编码算法

为了在保证译码恢复的声音质量良好的前提下,减小编码的压缩率,以减小声音信号的存储空间,提出了一种将线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号编码算法,将1列声音信号转换为2列信号,这样就可以进行后续的矢量编码。实现了预测编码和矢量编码的结合。利用Matlab软件编程进行了声音信号编解码实验。实验结果表明,在保证声音质量的前提下,该编码方法的码率小于MEPG-1 Layer3的最低的64kbps标准码率,且算法简单。文章提出的编码算法在音频压缩编码方面将具有较高的研究价值和很好的应用前景。     

音频信号联合编码算法码书长度研究

为进一步减小音频信号的码率,针对基于线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号联合编码(以下简称联合编码),提出了通过合理选择码书长度值进一步减小声音信号码率的算法。利用Matlab软件编程进行了不同码书长度值的声音信号编解码实验。实验结果表明,在保证声音质量的前提下,通过合理选择码书长度值,可以使声音信号的码率远低于MEPG-1 Layer3的最低64kb/s标准码率,达到11.025kb/s的码率值。文章提出的编码算法可为音频压缩编码的进一步研究提供参考。