下颔式进气道实验研究

为了验证下颔式进气道 /前机身一体化设计方案的合理性及其进气道性能 ,对下颔式进气道 /前机身一体化设计方案进行了实验研究。测出了进气道总压恢复系数、畸变指数随流量系数、攻角、侧滑角的变化规律。结果表明 ,进气道性能较好 ,进气道 /发动机匹配良好。最后提出了下颔式进气道的进一步改进措施     

基于小波变换的图像低通去噪

提出了一种利用小波变换的多分辨率特性对图像进行低通去噪的方法,系统的阐述了其基本原理和核心算法,并对加噪后的图像实现了低通去噪处理。     

综合飞行/火力控制系统线性化设计及其仿真

首先简述了综合飞行／火力控制系统线性化设计的背景及其必要性，然后进行综合分析／火力控制系统（空－空机炮模态）的线性化建模及耦合器参数的设计，最后对非线性系统进行了仿真验证，仿真结果表明，线性化设计的参数经过微调后能够满足原系统性能要求。     

跑道容量的运行优化

从战略流量管理的观点出发,研究了预期交通需求超过机场跑道系统容量情况下,跑道容量的运行优化问题。在满足跑道容量曲线限制下,建立了恒定容量和变化容量下的整数规划数学模型,并以数值例子对两种模型进行了对比计算分析。     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

高超声速飞行器推进模块的设计参数分析

通过斜激波理论、准一维工程估算和特征线方法建立了一个与飞行器机体一体化的推进系统模块的气动分析模型,其中采用参考温度法估算模块的粘性效应。在此基础上分别研究了飞行器前体长度、前缘角及推进模块宽度等关键设计参数对推进模块气动性能的影响。结果表明:增大模块前体长度将使模块的升力、净推力和比冲先增后降;增加前缘角将增加升力,但降低净推力;增加模块宽度会导致等效升力下降。因此,在设计此类高超声速巡航飞行器时,应采用模块化的推进系统并折衷选择前体长度和前缘角的大小。      

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

SINS/GPS制导炸弹俯仰平面制导控制一体化设计

根据SINS/GPS制导炸弹动力学特性,首先推导了俯仰通道的制导控制一体化状态模型.然后在充分考虑制导和控制回路的不确定性基础上,利用terminal滑模控制方法,设计了制导控制一体化状态反馈控制律,所设计的控制器一方面保证制导炸弹满足打击精度和末端落角约束要求,另一方面保证控制回路的稳定性与鲁棒自适应性.采用模糊控制克服了变结构控制项引起的系统抖振.最后,分别进行了极端气动条件与取投放域边界值情况下的某型SINS/GPS制导炸弹六自由度飞行控制弹道仿真,仿真结果验证了此方法的有效性.     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。