直升机缆位系统建模与仿真

针对直升机绞车收放时缆位保持问题,建立了负载出水回收进舱阶段缆位的动力学模型。由于浮力与洋流作用突然消失,负载出水后发生摆动,将负载的摆动作为带有理想约束的质点系动力学系统,采用拉格朗日方程建立动力学模型。考虑直升机悬停提升的情况进行仿真,仿真结果表明建立的数学模型能够较好的模拟负载摆动时的缆位变化。     

全模颤振风洞试验三索悬挂系统多体动力学分析

全模颤振风洞试验需要通过软支撑系统模拟飞行器的自由飞行状态并调整模型姿态达到配平状态。参考NASA双索悬挂方案,提出了一种两电机驱动的三索悬挂系统,利用后方两索的同向/反向联动实现模型俯仰和滚转姿态的调整,利用弹簧刚度以及钢绳张力设计实现支撑频率要求。基于柔性多体动力学方法,建立了包括飞行器刚体模型、柔性索、滑轮、弹簧、气动力模型、伺服电机控制在内的复杂系统动力学模型,其中,利用任意拉格朗日-欧拉（ALE）变长度索单元描述钢绳,利用不约束物质坐标的索结点约束描述钢绳与滑轮相互作用,利用索结点物质输运速度约束描述伺服电机绞盘,利用飞行力学的气动力模型描述吹风下的气动力。基于该模型,通过小扰动响应辨识研究了弹簧刚度、钢绳张力、连接点位置等因素对支撑频率的影响规律,并分析了系统姿态调整能力,俯仰调整范围达到-12.5°~12.5°,滚转调整范围达到-45°~45°。采用滑轮处电位计测量的钢绳相对位移作为反馈信号,基于设计的控制律利用多体动力学求解器与Simulink对风洞吹风下的姿态调整过程进行仿真,模型达到配平状态,获得了吹风下的索拉力和伺服电机功率,为系统设计提供基础。     

多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点,并考虑卫星工作的多状态特性,兼顾星间通信时延和拓扑抗毁性的要求,研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性,建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件,以网络平均和最大时延作为通信性能的优化目标,建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法,求解全局时延最优的卫星拓扑,并在考虑多状态情况下对链路进行优化,以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真,研究表明：针对多状态条件下的铱星星座,该算法最大化减小了通信时延,得到抗毁性良好的拓扑结构,通信性能较之原有静态拓扑明显得到改善。     

先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志,飞机飞行包线的扩大已超出传统的大气数据系统测量范围,可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象,基于过失速机动飞行试验的数据,开展大气参数估计与验证研究。结合过失速机动的时间与空间特性,研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法;针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性,进一步构建深度神经网络,对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计,过失速机动过程中融合迎角误差优于2.3°,融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。     

基于IPSO-Elman神经网络的飞机客舱能耗预测

为了提高飞机客舱使用地面空调制冷时客舱能耗的预测精度,提出了一种改进的粒子群优化（IPSO）Elman神经网络的飞机客舱能耗预测模型。依据对算法中惯性权重与学习因子的收敛域分析,得出了二者合理的取值范围,将粒子到全局最优位置间距离与参数的取值范围相结合,构造了惯性权重与学习因子的动态调节函数,对其进行非线性的动态调节,并引入了变异因子,提出了一种跳出局部最优的策略,防止粒子群优化（PSO）陷入局部最优。将IPSO-Elman应用于Boeing738飞机客舱能耗预测中,与PSO-Elman、Elman算法进行性能比较,仿真结果表明基于IPSO-Elman的客舱能耗预测模型在预测精度和收敛速度方面均有一定的提升。该研究结果为飞机客舱能耗预测模型的建立提供了理论依据,对飞机地面空调的节能与机场电能合理调配提供了支持。     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。     

某机载探测系统自主回收技术的实现

针对某机载探测系统探头回收自动化程度低的问题,提出了在无需操作员干预情况下实现探头自主回收的技术方法。采用了先进的控制算法,将缆位角与探头、缆长进行结合并引入了绞车控制系统,使绞车对探头的回收速度及缆长可进行实时调整,并给出了3种不同缆位角摆动条件下缆长与探头回收速度的控制曲线关系。研发了自主回收装置,设计了能够实现自主回收功能的探头回收机构。实验验证表明：在无需人为干预的条件下,在缆位控制系统及自主回收机构的配合下,系统实现了对探头快速、安全的回收。     

基于室内无线模型的穿墙损耗校正

K-M（Keenan-Motley）模型将单墙固定损耗值相加来计算室内无线信号穿透多墙的总损耗值,存在较大误差。针对该问题选取多种室内场景分别进行连续波（Continuous Wave,CW）测试,对无线信号穿墙损耗的影响因素和变化规律进行分析,提出了一种基于人工神经网络的室内无线模型穿墙损耗校正方法,对预处理后的测试数据进行训练并建立预测模型。经验证该预测模型符合校正判别准则,在实际场景下具有良好的预测准确度。     

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点,传统的雷达目标检测技术无法实现,人工智能技术的出现,其在目标识别和特征提取方面的独特优势,使得强杂波背景下的目标检测成为可能,利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近,实现了对海杂波的非线性预测,提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法,使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

基于RBF神经网络的航空发动机轴承故障诊断

提出一种新的航空发动机滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征,采用RBF神经网络进行承故障诊断。对7类故障进行了实验,结果表明该方法具有很好的故障诊断效果。