太阳能飞机循环飞行的高度剖面能量策略

为满足设定的太阳能飞机多日连续飞行条件，依据飞行过程中当前时刻的飞行高度、光伏输出功率、动力电池组余量等系统状态参数，研究如何分配动力电池组充放电和电推进系统输入等功率。所用策略立足于实时功率平衡，充分利用正午前后的光伏峰值功率用于飞机爬升及充电，在午后下滑过程中利用全部光伏输出，以最大化利用光伏资源；在光伏有效输出不足时则以一定的维持功率下滑，使能量的综合损失最小。方法能够提高以预定夜间飞行高度连续多日续航的成功率，提升飞行高度、纬度、季节范围或搭载能力，或者拓展这几种飞行条件的组合域，优化太阳能飞机的适用性。     

地空导弹维修性设计要求与指标分配

针对地空导弹的特点，论述了维修性设计的重要性，认为维修性是一种设计特性，必须对武器系统研制开始就要加以考虑，并贯穿于整个寿命周期中。提出了维修性设计要求，并讨论了维修性指标分配的问题。     

先进战斗机控制分配方法研究综述

综述了先进战斗机控制分配方法的研究和应用状况。文中首先介绍了4种主要的控制分配方法———广义逆法、串接链法、直接分配法和数学规划法,给出各种方法在飞行控制系统分配应用中的限制,然后简单介绍控制分配方法在现实飞行控制系统中的应用情况,最后对控制分配中的几个关键问题进行了分析总结。     

某型飞机数字防滑刹车控制盒可靠性分析与设计

对某型飞机数字防滑刹车控制盒的可靠性进行了分析,利用工程加权法对控制盒进行了可靠性分配,并通过元器件可靠性预计法对控制盒的可靠性进行预计.对比及验证表明,控制盒可靠性设计合理,满足主机及系统要求.     

基于线性规划的多操纵面重构控制研究

为实现多操纵面飞机的重构控制,提高飞机飞行的安全性能,提出了一种基于线性规划的多操纵面重构控制策略.针对操纵面卡死、松浮、损伤等典型故障情况,推导了相应的重构分配器,通过基于线性规划的直接分配方法来实现在操纵面故障下的重构控制.仿真结果表明,该控制策略能有效处理典型操纵面故障,发生故障时仍能快速跟踪控制指令,保证较好的...     

一种卫星信道的反馈优化接入机制

提高卫星信道资源利用率，探索高效可行的端站接入机制是卫星通信发展亟待解决的问题之一。当前卫星通信DVB-RCS标准基于带宽预先规划的接入机制与端站随遇接入的需求矛盾凸显，因此提出一套信道反馈优化接入机制，综合考虑各端站数据业务需求，在不改变原有协议信令特征的基础上，探索性地引入谦虚度激励方法，创造性地构造动态协商反馈模型并加以求解，达到提高端站接入数量、满足随遇接入需求、提升信道利用效率、最大化整体带宽通信业务效益的目的。通过试验验证，带宽分配反馈优化机制比传统模式提高近1倍接入率，最大端站数接入时算法耗时约只有0.67s，可为卫星信道使用提供技术参考。     

任务型教学法的任务设计

任务型教学法是新兴的一种强调“在做中学”(learning by doing)的语言教学方法，是我国外语课程教学改革的一个走向，吸收了以往多种教学法的优点而形成。任务是任务型教学法中一个重要概念。要使任务型教学法更好地发挥作用，任务的设计就显得尤为重要。在任务设计中，要注意任务与人本主义、任务与文化性、任务与教师角色之...     

MSG-3在民用航空器维修大纲制定中的应用

国内民用航空器的研发起步较晚,目前投入运行的国产航空器型号种类和数量都不多,航空器制造厂家在制定维修大纲方面的经验较少.本文对国际上通行的MSG-3维修任务分析方法进行研究,首先介绍MSG-3维修任务分析方法产生和发展的历史背景,以及其在国内民机型号中的应用;然后详细叙述MSG-3维修任务分析方法(包括航空器系统、动力装置维修任务的分析方法,结构检查和区域检查任务的分析方法,以及形成维修大纲的流程和维修任务的后期优化);最后通过对航空器型号的审查经验,总结我国民用航空器制造厂家在制定航空器维修大纲时存在的问题和改进方向.     

基于功能脆弱性的空中交通相依网络流量分配

依据空中交通管理与航班运行规则,采用复杂网络理论构建由机场、航路与管制扇区组成的相依网络模型,建立不同扰动策略的影响规则,提出以网络流量熵和交通流损失比变化率为指标识别网络功能脆弱性。并以网络总流量熵最小为目标,建立基于改进遗传算法的网络流量协调分配策略,以降低空中交通相依网络的脆弱性。以民航华北地区空域为原型,发现了其相依网络脆弱性表现规律和脆弱源,采用遗传算法求解网络流量分配方案,优化结果降低了网络总熵值和功能脆弱性,其中机场网络流量分配后效果最为显著,验证了方法的有效性,研究结果可为空中流量管理决策提供一定的理论支撑。     

Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork

Unmanned Aerial Vehicles (UAVs) are useful in dangerous and dynamic tasks such as search-and-rescue, forest surveillance, and anti-terrorist operations. These tasks can be solved better through the collaboration of multiple UAVs under human supervision. However, it is still difficult for human to monitor, understand, predict and control the behaviors of the UAVs due to the task complexity as well as the black-box machine learning and planning algorithms being used. In this paper, the coactive design method is adopted to analyze the cognitive capabilities required for the tasks and design the interdependencies among the heterogeneous teammates of UAVs or human for coherent collaboration. Then, an agent-based task planner is proposed to automatically decompose a complex task into a sequence of explainable subtasks under constrains of resources, execution time, social rules and costs. Besides, a deep reinforcement learning approach is designed for the UAVs to learn optimal policies of a flocking behavior and a path planner that are easy for the human operator to understand and control. Finally, a mixed-initiative action selection mechanism is used to evaluate the learned policies as well as the human’s decisions. Experimental results demonstrate the effectiveness of the proposed methods.