用自联想网络处理带噪声的发动机数据

研究了用自联想网络(AANN)进行数字滤波的方法。自联想网络采用一种带有瓶颈层的特殊结构，且具有单位总增益。在经过大量带噪声样本的训练之后，各变量之间能够建立起内在联系。输入信息通过瓶颈层前的压缩及瓶颈层后的解压缩过程，信息中的精华将被提取，从而使人们能够利用冗余信息抑制其测量噪声，使发动机测量参数在最大程度上减少噪声对其带来的负面影响。     

一种变论域模糊自适应导引律研究

针对空空导弹的导引律问题，基于模糊逻辑和遗传算法．提出了一种论域自调整的进化模糊导引律。将导弹与目标的接近速度以及导弹的视线角速度作为模糊控制器的输入，指令加速度作为输出，并在传统的模糊逻辑控制基础上引入了一个非线性变论域函数，从而实现了模糊变量论域的动态改变，然后使用遗传算法对导引规则进行了寻优。以某型空空导弹模型为对象使用MATLAB对导弹攻击过程进行了仿真。仿真结果表明，该方法的机动过载小，拦截飞行时间短，是一种较为优越的制导方法。     

混合式高频交流配电系统的实验研究

在混合式高频交流配电系统仿真研究的基础上，通过分析选择负载特性好，输出波形质量高的串并联谱振变换器作为混合式高频交流配电系统中产生高频正弦交流电的源变换器，对其进行了参数设计及电路仿真。在理论分析与仿真计算的基础上，设计并制作了一台配电系统样品。通过不同工作模式下的负载试验验证了该配电系统，结合了正弦电压型和电流型配电结构的长处，具有非电接触式有限功率传输、负载端无须短路保护、可然插拔负载、电磁兼容性好和系统可靠性高等优点。     

模糊控制器中的智能积分

分析了传统模糊控制稳态精度差的缺陷，引入了智能积分以减少稳态误差和避免积分饱和，采用△ｕ＝ｆ（ｅ，ｅｃ）＋Ｅｄｔ（当Ｅ·ｃ＞０或ｃ＝０而Ｅ≠０）及△ｕ＝ｆ（ｅ，ｅｃ）（当Ｅ·ｃ＜０或Ｅ＝０）（其中ｅ为系统误差，ｃ为系统误差变化，ｆ（ｅ，ｅｃ）为模糊控制器输邮，ＫＫＥｄｔ为智能积分输出，△ｕ。为模糊控制器总输出）。然后设计了一个自组织模糊逻辑控制器以实现快速响应和小的超调，在金属镁还原炉上运行后获得较理想的效果。     

自修复飞行控制的数学模型

对于无法使用冗余技术的结构故障及损伤，欲最大可能地保证飞机的飞行安全，最有前景的方法是采用自修复技术。本根据自修复飞机的特点，明确规范了自修复飞机的若干基本假设，提出了自修复飞机控制输入、操纵输入、指令输入、修复输入以及操控因子等特有的新概念，以及它们之间的相互关系，为研究飞机的自修复控制提供了简单可靠的数学模型结构。     

基于AR/CGARCH模型的液体火箭发动机自适应阈值故障检测算法

为了解决传统自适应阈值算法对时间序列方差跟踪能力不足,以及故障阶段带宽自动放大的问题,提出了紧广义自回归条件异方差（Compact General Auto-Regressive Conditional Heteroskedasticity,CGARCH）模型。针对液体火箭发动机稳态试车数据的波动性特点,提出一种基于自回归（Auto-Regressive,AR）模型和CGARCH模型的自适应阈值故障检测算法。采用AR模型对稳态参数的均值进行估计,并采用CGARCH模型对稳态参数的方差进行估计,从而利用均值和方差的估计值自适应地构造检测阈值。用某氢氧火箭发动机的热试车数据进行验证,结果表明,该算法能够准确、快速、灵敏地检测液体火箭发动机故障,在正常工作阶段,能够有效跟踪数据波动性,在故障阶段,能够避免阈值变宽带来的漏检。     

基于改进YOLOv5的无人机实时密集小目标检测算法

无人机航拍图像与自然场景图像相比背景更复杂,存在大量密集小目标,对检测网络提出了更高的要求。在保证目标检测实时性的前提下,针对无人机视角下密集小目标检测精度低的问题,提出一种基于YOLOv5的无人机实时密集小目标检测算法。首先,将空间注意力(SAM)与通道注意力(CAM)相结合,改进CAM中特征压缩后的全连接层,降低计算量。另外,改变CAM与SAM的连接结构,提高空间维度特征捕获能力。综上,提出一种空间-通道注意力模块(SCAM),提高模型对特征图中小目标聚集区域的关注程度;其次,提出一种基于SCAM的注意力特征融合模块(SC-AFF),根据不同尺度特征图自适应分配注意力权重,增强小目标的特征融合效率;最后,在主干网络中引入Transformer模块,并利用SC-AFF模块改进原有的残差连接处的特征融合方式,更好地捕获全局信息和丰富的上下文信息提高复杂背景下密集小目标的特征提取能力。在VisDrone2021数据集上进行实验,YOLOv5s基准下,改进后模型的mAP₅₀提高了6.4%,mAP₇₅提高了5.8%,对高分辨率图像的FPS可达到46...