基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。
     

基于BP神经网络的磁悬浮飞轮控制

针对磁悬浮飞轮控制对鲁棒性、低功耗及不平衡振动抑制等要求,提出BP神经网络直接控制方法。设计了两层结构BP神经网络控制器,基于磁轴承电磁力方程推导网络权值更新算法,实现了神经网络的在线训练。仿真表明,控制器权值更新算法对环境变化适应能力强,训练成功率高;BP神经网络控制器具有起浮迅速、抗干扰能力强、功耗低等性能,并具备不平衡振动抑制能力。结果表明BP神经网络控制器满足磁悬浮飞轮控制要求,具有可行性和有效性。     

多输入傅里叶神经网络及其麻雀搜索优化

鉴于反向传播（BP）神经网络存在灵敏度高但收敛速度慢,以及已有傅里叶神经网络不具备多输入数据特征提取能力,借助多个傅里叶神经网络构建能接收多维数据的堆叠神经网络,进而将其与多层感知器融合,获得基于梯度下降的多输入傅里叶神经网络。结合此神经网络获取全局最优参数值难的因素,通过在麻雀搜索算法中引入Cat混沌映射、动态种群规模调节机制及参数自适应调节方案,提出改进型麻雀搜索算法,并将其应用于多输入傅里叶神经网络的参数优化及高维函数优化问题的求解。理论分析可得,所提算法的计算复杂度主要由种群规模和优化问题的维度决定。比较性的数值实验表明,所获神经网络提取多源数据特征的能力和泛化能力强,同时所提算法处理高维优化问题具有明显优势且收敛速度快。     

宽带认知雷达低峰均比波形快速设计算法

发射波形设计是宽带认知雷达系统的关键技术。为了提高宽带认知雷达系统对距离扩展目标的检测性能,建立了目标检测模型,分析了系统的检测性能,在此基础之上研究了基于最大输出信干噪比(SINR)的低峰均比(PAR)波形设计算法。通过将原波形优化问题等效为接收权值与低峰均比波形的联合优化问题,同时利用循环优化的思想,提出了一种低峰均比波形快速设计算法。相比于现有的梯度法以及凸优化算法,该算法所设计的恒模波形信干噪比与二者相当,但算法实现难度明显变小,计算复杂度明显降低。仿真结果证实了算法的有效性。     

空气预冷发动机及微小通道流动传热研究综述

首先针对发动机空气预冷系统的特点,将现有的预冷机制分为四种类型,包括燃料预冷、质量喷注预压缩冷却、燃料预冷和质量喷注预压缩冷却组合预冷以及其他流体预冷,并分别介绍了每种预冷机制的代表性发动机循环以及技术特点。调研发现,微小通道结构的预冷器具有很高的散热能力和紧凑度,优势显著。英国Skylon空天飞机的预冷却组合循环发动机（SABRE）其微通道结构预冷器具有极高换热能力。对SABRE的预冷器及相关研究进行详细分析,强调微小通道强化换热对提高发动机性能的重要作用。通过对微小通道中单相气态流动换热研究的调研发现,微尺度流动传热机理仍存在诸多分歧,理论发展不完善,需要深入开展微小通道强化传热研究,尤其对于高速高内外温差条件下微小尺度复杂结构空间内流动传热机理需要深入探索。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

基于深度神经网络的客机总体设计参数敏感性分析

飞机总体主要设计参数敏感性分析揭示了总体主要设计参数对飞机特性指标的影响,有助于总体设计方案的决策。针对宽体客机总体主要设计参数敏感性问题,根据其总体主要设计参数和特性指标的特点,以及多学科间的耦合关系,建立了深度神经网络模型。该深度神经网络模型以客机总体主要设计参数为输入,对特性指标进行预测。在深度神经网络模型中,设置了多个输入层、多个输出层以及多个分块的隐藏层,从而模拟客机总体主要设计参数对特性指标的影响以及不同特性指标之间的相互作用。测试结果表明,与传统代理模型相比,深度神经网络模型对客机特性指标的预测精度更高,多参数适应性更好。利用该深度神经网络模型对客机总体主要设计参数进行敏感性分析。分析结果表明,机翼1/4弦线后掠角在30°~31.5°时,有利于减少最大起飞重量和起飞平衡场长;发动机海平面最大静推力和机翼面积对客机直接使用成本、最大起飞重量等特性指标的影响最为显著。