基于积谱的雷达目标高分辨率距离像识别

针对飞机目标的识别问题,将一种用于语音识别中的积谱特征引入雷达目标一维距离像识别领域.积谱定义为功率谱与群延迟的乘积,该特征能够充分利用目标一维距离像的幅度谱与相位谱信息.在目标分类阶段,选择基于弹性传播(RPROP)算法的多层前馈神经网络作为分类器.利用4种飞机模型的重点散射源二维分布测试数据和频率步进法得到目标的一维纵向距离像,对距离像积谱的分类性能进行了测试,结果表明基于积谱的特征对于一维距离像具有较高的识别率,并具有较好的抗噪性能.      

飞机油箱余油量的神经网络动态测量

论述了采用人工神经网络对飞机油箱燃油余量进行动态测量的方法。首先建立了飞机油箱余油动态测量的神经网络模型 ,然后讨论了该模型在使用中的有关问题解决方法 ,最后给出了一例仿真结果。     

协同无线通信系统中的分布式自适应功率分配

在系统总功率一定的情况下,通过在协同节点间进行优化的功率分配以改善系统的接收性能.针对单中继协同传输,推导了节点间最优功率分配因子的闭式表达式,给出了中继节点的激活条件,仅当信道的衰落特性满足该条件时,中继节点才发送信号到目的节点,否则进入空闲状态.多节点协同传输场景下,直接根据系统的输出信噪比难以得到节点间最优功率分配因子的闭式表达式.因此,推导了系统输出信噪比的上界,在此基础上,提出了一种新的功率分配方法.将整个功率分配过程分成两步,采用迭代的方法实现节点间的最优功率分配.仿真结果表明,对于单中继节点的情况,所提出的功率分配方案能够获得约1~2 dB的性能增益,随着参与协同传输的节点数的增大,迭代的功率分配可使系统获得显著的性能提升.     

基于自适应动态逆的自动空中加油轨迹跟踪

针对自动空中加油(AAR, Automated Aerial Refueling)的受油机轨迹跟踪控制问题,采用导引环与姿态控制环分离的控制策略,提出了基于非线性路径跟随导引和自适应神经网络动态逆的受油机轨迹跟踪控制方法.该方法将改进的非线性导引应用于受油机横、纵向导引控制,使用自适应神经网络在姿态角速率回路补偿外界干扰和系统模型误差,并利用比例-积分型姿态角速率误差动态方程设计自适应神经网络权值更新律.仿真结果表明:在受油机接近加油机过程中,该方法有效提高了受油机轨迹跟踪控制系统的抗干扰能力和对模型不确定性的自适应能力,能够满足自动空中加油的控制要求.     

考虑输入饱和的多航天器系统姿轨耦合分布式协同跟踪控制

基于一致性理论,研究了多航天器系统相对轨道及姿态耦合的分布式协同控制问题。在仅有部分跟随航天器可获取领航航天器信息的情形下,针对各跟随航天器存在未建模动态以及外部环境干扰等问题,利用双曲正切函数的性质,提出了考虑输入饱和的分布式自适应协同控制律。首先,对于领航航天器具有时变状态的情形,为每个跟随航天器设计了3个滑模估计器,对领航航天器的状态进行估计。其次,针对跟随航天器间相对速度和角速度难以测量的问题,设计仅需领航航天器状态的切比雪夫神经网络自适应更新律。最后,设计考虑输入饱和的分布式自适应协同控制律保证各跟随航天器跟踪动态领航航天器。仿真结果表明了该算法的有效性、可行性。     

Talking space: The European Commission's changing frames in defining Galileo

This paper traces the way in which the European Commission has framed and reframed the issue of EU satellite navigation over 20 years. It investigates how the EU's agenda-setter has ‘talked about’ space policy, with a particular focus on Galileo, and how its own institutional discourse – as revealed in its communications throughout the agenda-setting stage of Galileo's ‘definition’ phase – evolved in the 1990s through the use of ‘frame sets’. In so doing, it illustrates the ways in which, over time, the EU's executive has ‘projected’ the issue of independent satellite navigation capabilities as being politically and economically desirable for Europe, and has sought to persuade decision makers of its cross-policy relevance and potential economic, social and security benefits. The article deconstructs official documents and engages in a close-up analysis of policy formulation, to identify nascent, evolving and mature frames in the definition of Galileo.     

基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。     

基于综合应力工作态试验和神经网络的CMG失效边界域预测

本文设计了一种可同时模拟真空热环境和CMG与航天器角动量交换工况的试验设备,提出了模拟在轨真空环境下温度、CMG框架转速、航天器转速3种应力的工作态试验方法,给出了适用于神经网络的CMG运行状态定量表达方法,利用少量试验数据和神经网络方法对工作极限转速矩阵、失效边界、失效边界域进行预测,分析了经验样本对预测结果的影响,以及各应力对其他应力工作域的耦合影响,并给出了预测结果的可信度分析方法。研究结果表明,所提出的方法可以更真实模拟CMG在轨工作状态的同时显著节省试验经费和时间,并具有较高的预测准确性和多应力工作场景适应性,对I和Ⅱ两类训练数据集分别获得100%和98.8%的预测正确率,给出了仅凭试验数据无法得到的55℃下的转速失效边界,并且可以内化试验数据背后的工程经验。     

基于径向基神经网络的气动热预测代理模型

为快速获取高超声速飞行器表面热流数据并缩短飞行器气动热设计周期,提出了一种基于径向基神经网络的气动热快速预测代理模型方法。首先,在飞行器表面每一个离散化的网格节点单独构造一种正则化的径向基神经网络。随后,通过训练集对所有网络同时进行训练,获得各自网络的连接权值。最后,所有网格节点的神经网络协同预测飞行器表面不同位置的热流。对NASA火星实验室的椭圆钝化高超声速飞行器的应用表明,所提出的代理模型方法在模型训练完成后能够快速进行飞行器表面热流预测,并且模型具有良好的泛化能力,在驻点及迎风大面积区域热流预测结果与数值模拟的偏差在10%以内。     

机载网络时间触发通信调度设计优化与评价方法

机载网络是航空电子系统实现信息传输与功能综合的关键组成,引入时间触发（TT）机制并安排合理通信调度可以有效保证机载网络实时可靠通信,但需要首先面对多种调度设计方法的选择问题。在总结了时间触发通信过程与特征的基础上,以时间触发以太网为分析对象,给出了基于可满足性模理论（SMT）、混合整数规划（MIP）和启发式算法等不同约束引导下的调度模型,并形成了基于强化学习（RL）的调度方法;从调度设计的求解能力与性能保障角度出发,建立了包括求解时间、可求解规模、传输延迟和调度模式的评价指标。以工业规模网络为研究案例对不同调度方法进行了验证分析,在评价指标的引导下对比分析了各种方法的适用场景,其中SMT方法可支持小规模案例,MIP方法具有明显的TT消息传输和调度求解运算优势,以遗传算法为典型的启发式方法和RL方法可实现大规模案例调度,虽然其TT延迟略高于MIP方法,但速率约束消息延迟优化程度分别达到7.97%和12.35%。在此基础上,进一步探讨了未来航电系统机载网络时间触发通信调度设计优化技术的发展趋势。