旋转变压器输出信号自动标定

旋转变压器输出以角位置正余弦为包络的调幅信号,一般通过检波与解调获取角位置及角速度信息.检波后信号往往存在直流偏置、幅值不等和相位偏移,对其进行标定是实现高精度解调的前提.针对检波后信号的标定问题,提出了一种离线自动标定方法.设计状态观测器,对检波后两路信号的幅值及直流偏置进行估计;构造二元二次目标函数,利用梯度估计法,获取相位偏移.理论分析表明,与仅采用梯度估计法相比,此方法避免了目标函数多解问题.实验结果表明,此方法参数选择容易,具有较高的精度,是完全可行的.      

一种卡尔曼滤波器的永磁同步电机无速度传感器

针对滑模观测器的永磁同步电机参数误差容易造成估算误差和反电动势中存在高频纹波分量的缺点,使用低通滤波器不能有效消除高频纹波,提出在滑模观测器前端引入卡尔曼滤波器来消除高频纹波,使得永磁同步电机的控制系统具有更好的稳态效果和动态响应。依据设计仿真搭建MATLAB平台,对提出新方法进行验证。试验结果表明增加卡尔曼滤波环节后的滑模观测器不仅鲁棒性强,而且在一定程度上有效抑制了抖振,在系统快速性及稳态性能上都有较好的效果。     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。     

航空发动机限寿件疲劳可靠度计算新方法

针对目前的航空发动机限寿件（ELLP）疲劳可靠性分析中的小失效概率事件以及其极限状态函数具有较强非线性的特点,提出了一种具有自更新机制的半径外自适应重要抽样（AUMCROAIS）疲劳可靠性分析方法。该方法首先利用蒙特卡罗自适应重要抽样（MCAIS）快速逼近真实设计验算点（MPP）附近,随后以近似设计验算点为中心进行极坐标抽样,并依次构造主动学习函数,对近极限状态函数和抽样半径进行最优选取,从而实现最优抽样半径的更新,通过不断的更新确定出最优抽样半径,加速失效概率计算的收敛。本方法提高了设计验算点的收敛速度同时保证了计算精度,解决了小失效概率事件以及强非线性极限状态函数可靠度计算难题,最后以某型发动机压气机轮盘为对象应用本方法,并与传统的蒙特卡罗仿真（MCS）方法、蒙特卡罗半径外自适应重要抽样法（MCROAIS）和一阶可靠性方法（FORM）进行了对比,验证了本方法的高效率、鲁棒性和仿真精度。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。     

考虑系统扰动的永磁同步电机复合控制策略

提出一种结合滑模速度控制和扩展滑模扰动观测器的永磁同步电机复合控制策略。滑模速度控制采用新型趋近律设计,扩展滑模扰动观测器对系统内部参数摄动以及外部负载干扰进行准确估计。所设计的复合控制器通过系统扰动估计环节对控制系统中的综合扰动项进行实时估计,用以对速度控制环节进行前馈补偿,实现控制系统自抗扰控制。试验结果验证了所提出控制策略的有效性和可行性。     

基于观测器的平台无陀螺姿态复合控制

针对超静卫星星体平台无陀螺、载荷敏感器与星体平台执行机构非共基准安装时整星存在姿态异位控制问题,提出了一种基于观测器估计星体平台姿态的复合控制方法。首先,建立星体平台/Stewart平台/载荷的动力学模型,并获得Stewart平台作动器关节空间的等效动力学模型。针对关节空间等效模型,设计super twisting观测器,以作动器平动位移为输入,以载荷和星体平台之间的相对姿态和角速度为输出,实现星体平台姿态和角速度估计。其次,以载荷测量姿态信息为输入,设计Stewart作动器的积分滑模控制律,实现载荷高精度指向控制。以观测器估计的星体平台姿态信息为输入,设计星体平台控制器实现星体平台的稳定控制。Lyapunov稳定性分析表明所设计的观测器和控制器能够保证闭环系统渐近稳定。数学仿真结果表明：在星体平台有陀螺时,载荷能够实现0.1″指向精度;在星体平台无陀螺时,采用观测器估计星体平台姿态并进行控制,载荷亦可实现0.1″指向精度。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求,提出了基于深度学习的翼型反设计方法,利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征,习得特征到翼型的映射关系;判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入,输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型,研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数,快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率;并且在有噪声干扰情况下依旧保持良好的设计性能,增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。     

基于自适应代理模型的结构动力可靠度分析方法

结构动力可靠度分析对于衡量结构的安全状态和工作性能具有重要的指导意义。采用一种同时考虑 动态激励载荷和材料力学性能参数随机性的动力可靠度计算高效方法,通过建立不确定性材料力学性能参数 与条件动力可靠度之间的 Kriging代理模型,推导动力可靠度的解析表达式;提出一个新的学习函数来构建自 适应的 Kriging代理过程,通过复合材料飞行器蒙皮骨架结构在随机振动载荷和随机材料力学性能参数共同作 用下的动力可靠度分析对所提方法的准确性与高效性进行验证。结果表明:所提方法不仅能够避免使用代理 模型对动力可靠度求解时由于使用数值积分所引入的误差,同时能够使用尽可能少的计算成本获得准确的动 力可靠度结果。     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。