舵面电动加载系统的自适应CMAC复合控制

针对无人机舵面电动加载系统具有非线性及多余力矩的特点,提出了一种自适应CMAC(Cerebellar Model Articulation Controller)神经网络与自适应神经元控制器并联构成复合控制结构.该控制策略以系统的指令输入和实际输出作为CMAC的激励信号,以系统的当前控制误差作为CMAC的训练信号.提出了利用误差在线自适应调整学习率的方法,消除了常规前馈型CMAC的过学习和不稳定现象.建立了无人机舵面电动加载系统的数学模型,给出了具体的控制结构和算法.仿真结果表明:该方法有效抑制了加载系统的多余力矩,增强了系统的稳定性,明显改善了舵面电动加载系统的动态性能.     

固体推进剂吸气式涡轮发动机控制规律与特性

建立了用于控制规律研究的单变量控制和双变量控制的固体推进剂吸气式涡轮火箭发动机(SPATR)特性计算模型,并编制了相应的计算程序。计算模型中采用了以试验数据为基础的燃烧室出口总温计算方法。利用程序分别计算了燃气流量不可调、燃气流量可调、尾喷管喉部面积可调以及燃气流量和尾喷管均可调的不同控制规律的SPATR发动机速度特性,并分析了其特点。对SPATR发动机进行了双变量控制规律设计,得到了相应的燃气流量调节比和尾喷管喉部面积调节比。计算结果表明,按照所设计的双变量控制规律进行控制,SPATR具有很宽的飞行包线和更好的推力特性和比冲特性。     

涡扇发动机起动控制规律设计的功率提取法

根据涡轮发动机加减速控制规律设计的功率提取法原理,结合低转速部件特性预测方法,建立了用于双轴分排涡扇发动机起动控制规律研究设计的功率提取法模型,并编制了相应的计算程序。利用程序设计了某型双轴分排涡扇发动机单一状态和起动包线内的起动控制规律,并进行了相应的分析。计算结果表明,功率提取法能够应用于涡扇发动机起动控制规律的设计,并具有较高的计算精度。     

基于SQP的航空发动机加速规律优化方法

提出了一种改善航空发动机加速性能的方法:采用SQP寻优方法对航空发动机进行加速过程的寻优控制仿真计算,获得以油/气压比为函数的优化加速燃油控制规律。选取工作包线内具有一定覆盖性的若干个状态点,进行加速过程寻优控制仿真。考虑到根据油/气压线开环进行加速控制易于导致涡轮后温度瞬态超调,提出了根据两类约束条件计算开环加速线,对所获得的两条优化的加速线进行融合,进而获得适用于全飞行包线范围内的加速燃油控制规律。仿真计算表明,所提出的加速燃油控制规律可以在兼顾涡轮后温度不超温和压气机喘振裕度的情况下,实现发动机加速时间最短的目标。     

叶栅式反推力装置阻流门运动规律对气动性能的影响

在分析叶栅式反推力装置结构及工作原理的基础上,通过计算初步研究了反推力装置运动规律对风扇出口及阻流门上气动载荷的影响.计算结果表明,反推力装置打开时,运动规律直接影响风扇在反推力装置打开/关闭过程中工作点位置,运动规律3,4分别适合风扇外涵喘振裕度较大、较小发动机的反推力装置选用;各运动规律中,阻流门气动载荷在阻流门开始转动瞬间加载.      

某型航空发动机空中起动供油规律的研究

研究某型航空发动机空中起动困难问题,现有自动起动器没有考虑飞行高度对供油规律的影响,发动机在空中起动时存在富油状态.分析了影响起动供油规律的因素,在现有自动起动器结构基础上,设计了高空修正模块来补偿飞行高度对供油规律的影响.建立了自动起动器的数学模型,对改进的自动起动器进行了仿真分析和试验.仿真结果和试验验证了改进方案的可行性,与地面起动相比,空中起动的供油量随着飞行高度的增加而降低.采用改进的空中起动供油规律可补偿飞行高度对供油特性的影响,解决发动机空中起动时的富油状态问题.      

飞机结构腐蚀损伤分布及失效规律研究

针对现役飞机结构腐蚀损伤,选取正态分布、Gumbel第一型极值分布、Logistic分布、双参数Weibull分布以及三参数Weibull分布进行统计特征研究。结果表明,腐蚀深度数据均较好地服从以上五种分布规律,其中三参数Weibull分布的相关系数最高。根据三参数Weibull分布得到的95%置信度下不同使用日历年限的腐蚀深度数据,利用Origin7.5软件对数据进行拟合,得到防护涂层有效期约为4年。     

多传感器数据融合在光电经纬仪目标分离段跟踪的应用研究

针对光电经纬仪在目标分离段容易跟踪假目标的问题,提出应用多传感器数据融合方法实现目标分离段的假目标识别。在目标分离前,根据实测的目标轨迹数据通过理论弹道修正算法计算出理论弹道的误差修正量;在目标分离时,利用得出的误差修正量修正目标的理论弹道,并采用模糊聚类关联算法判断各传感器目标测量数据与修正后的目标理论弹道的相关性,从而识别出测量数据是否来自假目标。实验结果表明该方法能够有效地区分出真假目标,判别结果作为跟踪系统及目标识别系统决策依据,有效提高了目标分离段跟踪成功概率。     

面向大数据的数据处理与分析算法综述

大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具。本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结。首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势。     

外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。