学科间信息传递的参数化空间散乱数据插值法

耦合信息传递是实现耦合系统求解的关键技术之一,本课题研究了参数空间散乱数据插值方法.为了避免三维插值空间平整性导致的插值误差,将三维耦合界面进行参数化处理,在参数空间中构造插值函数进行插值传递.针对径流式叶片的特点,进行了温度插值传递.从插值效果看,这种基于参数空间的数据插值方法保证了较高的插值精度.比较了反距离加权平...     

基于模型管理框架的机翼结构多目标优化设计

采用演化算法对某高空长航时无人机机翼结构进行多目标优化设计时,由于需要大量的演化迭代和很多次的有限元分析计算,使演化算法相当耗时.为了提高效率,采用模型管理框架对该机翼结构进行多目标优化设计.采用模型管理框架可以建立满足精度要求的目标及约束的近似模型,使演化算法不仅避免了大量的有限元分析计算,而且获得了满意的该高空长航时无人机机翼结构的多目标优化设计结果.     

一种处理多学科优化问题的通用和有效方法

提出将多学科设计优化问题按单级优化来处理，并利用包络对偶法直接对其进行优化运算。通过对一道测试和评价多学科优化方法有效性的典型算题的计算和求解，显示了该方法处理多学科优化问题具有收敛速度快、计算效率高、并具有通用性等特点。     

基于SLM的伺服系统多学科联合仿真与设计优化平台

针对航天伺服系统研制流程中存在的协同设计水平不高、设计流程不统一、数据与模型管理分散等问题,以仿真生命周期管理(SLM)商业通用框架为基础定制开发了伺服系统多学科联合仿真与设计优化平台。通过对设计流程分析、流程定制、数据传递、模型管理等方面的研究与开发,将仿真融入设计流程中,实现了航天伺服系统的多学科协同建模与仿真、数据与模型的统一管理等功能,提升了航天伺服系统协同设计水平。     

面向飞行器总体设计的UMDO技术综述

针对当前飞行器设计领域对总体设计过程中不确定性因素的精细化管理需求,对不确定性多学科设计优化（Uncertainty-based Multidisciplinary Design Optimization,UMDO）的研究现状和应用模式进行了综述和展望。首先综述UMDO的国内外发展现状,讨论开展UMDO研究和应用的必要性和紧迫性;从不确定性源建模、不确定性灵敏度分析、多学科不确定性分析、鲁棒性多学科优化设计4个方面梳理UMDO技术的发展体系,分析UMDO工程应用的研究现状,围绕飞行器总体设计过程提出适应各阶段设计需求的现代飞行器UMDO应用模式;最后,针对飞行器总体精细化设计能力的提升需求,分析了目前UMDO在工程应用过程中存在的问题,并探讨了UMDO的未来发展设想。     

嵌入式Linux下USB Gadget驱动框架研究

为更好地应用嵌入式Linux系统下的USB Gadget驱动框架,介绍了USB的相关概念及其设备驱动模型,分析了USB Gadget驱动程序的主要数据结构,以Ethernet Gadget驱动程序为例展示了编写USB Gadget驱动程序的整体思路,最后总结了USB Gadget驱动框架的不足,并对之进行了改进。     

通导一体化概念框架与关键技术研究进展

通导一体化是综合PNT体系发展的重要组成部分和关键方向.对通信导航一体化的概念进行了探讨,提出了通信导航弹性融合的概念框架.面向综合PNT体系需求,设计了通导一体网络化PNT系统架构,阐述了通导一体化关键技术的研究进展,从通导一体化信号、信道、接收处理、网络架构、网络管理等多个角度进行了全面系统的梳理和分析;介绍了低轨...     

飞行器多学科设计优化关键技术分析

多学科设计优化对飞行器设计技术的发展具有革命性意义,其包含了大量新技术和理论的应用,已成为一门新兴的学科。文章针对飞行器多学科设计优化与传统设计模式的区别,介绍了开展飞行器多学科设计优化需要发展的7项技术,系统地分析了这些技术的应用背景、发展状况和发展方向。     

卫星导航接收机欺骗攻击及防护综述

本文主要研究卫星导航欺骗干扰技术与欺骗防护技术,首先介绍欺骗干扰的生成方式、欺骗干扰实施策略与播发策略,并从欺骗威胁、实现难度、防护难度等多方面给出现有欺骗技术的对比分析。其次从信号体制、终端处理技术、辅助信息校验技术等三个层面介绍现有欺骗防护技术,并从欺骗适应性、实现需求、实现难度、实现效果等几方面给出防护技术对比分析。在此基础上,研究在面对不同欺骗攻击时接收机的欺骗防护框架,对于评估导航接收机的防护能力有借鉴意义。     

Improving EGT sensing data anomaly detection of aircraft auxiliary power unit

The reliability of the on-wing aircraft Auxiliary Power Unit (APU) decides the cost and the comfort of flight to a large degree. The most important function of APU is to help start main engines by providing compressed air. Especially on the condition of sudden shutdown in the air, APU can offer additional thrust for landing. Therefore, its condition monitoring has drawn much attention from the academic and industrial field. Among the on-wing sensing data which can reflect its condition, Exhaust Gas Temperature (EGT) is one of the most important parameters. To ensure the reliability of EGT, one kind of data-driven anomaly detection framework for EGT sensing data is proposed based on the Gaussian Process Regression and Kernel Principal Component Analysis. The situations of one-dimensional and two-dimensional input data for EGT anomaly detection are considered, respectively. The cross-validation experiments are carried out by utilizing the real condition data of APU, which are provided by China Southern Airlines Company Limited Shenyang Maintenance Base. The anomalous stuck condition of EGT sensing data is also detected. Experimental results show that the proposed EGT sensing data anomaly detection method can achieve better performance of false positive ratio, false negative ratio and accuracy.