偏最小二乘和ANFIS在飞机燃油油量测量中的应用

分析了飞机燃油箱剩余油量测量系统具有变量多、非线性及变量间存在多重相关性的特点,指出单独采用自适应神经模糊推理系统(Adaptive network-based fuzzy inference system．ANFIS)和偏最小二乘(Partial least- squares,PLS)解决飞机燃油箱剩余油量软测量问题均有各自的局限性。结合上述两种方法的优点,提出了一种基于PLS回归与减法聚类的ANFIS软测量模型。将其应用于预测飞机油箱燃油剩余的建模过程中,得到了比采用PLS回归方法更好的精度,从而证明了该建模方法的有效性。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二     

2.4m风洞M数和稳定段总压控制策略研究

我国自行研制成功的 2 .4m风洞现已投入使用。该风洞控制系统与国内现有风洞相比 ,控制执行系统多而复杂。该风洞成功地采用了所有试验工况M数与稳定段总压同时控制的运行方式。针对被控对象的复杂性 ,分别对神经网络控制、模型跟随自适应控制、自校正控制、智能控制及智能学习控制在该风洞上应用的可行性进行了分析。最后给出了一种智能控制策略 ,调试结果说明该风洞采用的这种控制策略是成功的     

飞机自动驾驶仪俯仰控制系统仿真研究

分别对比设计了PID控制器、LQR最优控制器和模糊控制器,并建立了对应的Matlab控制模型进行仿真研究。阶跃响应仿真实验结果表明：飞机俯仰系统LQR控制器与模糊控制器比飞机俯仰系统PID控制器能更好地实现对飞机俯仰角的控制,具有响应快速、超调小、误差小的优点;飞机俯仰系统LQR控制器比模糊控制器响应更快,跟踪性能更好,而飞机俯仰系统模糊控制器在抗干扰鲁棒性、跟踪性能和稳态性能指标综合考虑上优于LQR控制器,更适用于实际的飞行环境。     

中国民航管制员以考促学模式研究

“民航管制员英语等级测试”并不是最终目的,以考促学,全面提升中国民航管制员整体英语水平才是根本。本文通过相关空管局（站）的试验运行,总结出两种有效的管制员英语学习模式,一是集中培训,以点带面,一是构建平台,自主学习,以期对我国民航管制员英语水平的提高有所帮助。     

基于非线性补偿的涡扇发动机MRAC控制(英文)

以工程应用为目的,采用输入输出模型参考自适应控制方法设计了航空发动机转速模型参考自适应控制器(Model reference adaptive control,MRAC)。针对发动机的非线性特性,设计了函数连接型神经网络补偿器。开展了控制器实物在回路仿真试验,结果表明基于非线性补偿的MRAC在包线内具有良好的动静态性能,对于发动机及其工作环境的非线性具有良好的补偿能力和适应性,验证了自适应控制方法在航空发动机工程应用中的有效性。     

太阳帆板绳索联动同步机构的机理和功能分析

绳索联动机构（ＣＣＬ）是航天器上最常用的附件同步展开控制机构。本文将其等效为一个被动控制器，推导了机构的数学模型，分析了其参数对太阳电池阵同步展开的影响，并对一大型单翼太阳电池阵的展开过程进行了仿真，其结果和实验基本相符。同时得出了一些对工程设计有参考意义的结论。     

考虑瞬态特性的无人机自适应容错控制设计

针对固定翼无人机纵向轨迹跟踪控制问题,基于反馈线性化和模型跟随控制设计基础控制器,实现无故障情况下闭环系统的稳定和轨迹渐近跟踪控制。考虑固定翼无人机的执行器可能发生不同类型及大小的故障,分别针对各种不同故障模式设计与之对应的补偿控制器。为综合解决执行器故障的多重不确定性问题,采用加权融合与自适应控制相结合的方式设计综合控制器结构,并对与故障相关的控制器参数进行估计。最后,通过在基础控制器设计中添加H∞补偿项,以抑制故障补偿控制器参数估计误差对闭环系统输出跟踪性能造成的不利影响。理论分析和仿真结果表明,所提出的控制方案不仅能保证闭环系统的稳定性,而且在发生不确定执行器故障的情况下,固定翼无人机姿态控制系统输出能渐近跟踪给定的参考模型输出,通过设计适当的H∞补偿器参数可以改善故障补偿控制过程中的瞬态性能。     

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。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。