为了合理地评价固体火箭冲压发动机补燃室内一次燃气/空气掺混燃烧过程,提出一种基于颗粒质量浓度的固体火箭冲压发动机掺混燃烧过程评价方法。建立发动机数值模拟方法并通过了地面试验验证；针对不同工况条件下补燃室掺混燃烧过程,通过数值模拟,分析对比了不同定义方式掺混度与燃烧效率的变化趋势。结果表明,提出的颗粒掺混度与颗粒燃烧效率二者间显示出最大程度的相关性,不同工况下的平均最大信息系数达到了0.916 3。一次燃气/空气掺混与燃烧过程体现以下相关性规律:颗粒燃烧效率随颗粒掺混度的增大而增加,当颗粒掺混度超过一定阈值后,颗粒燃烧效率保持相对稳定。最后通过试验验证了该规律。

预冷器换热通道空气侧壁面的结霜对预冷发动机整体性能具有重要影响。通过实验研究了三种具有不规则表面形貌结构的试件(Ra=0.97 μm,Ra=1.78 μm,Ra=1.92 μm)在高温环境(T_a=50 ℃)下的结露/结霜过程。主要研究了环境温度(T_a取50 ℃和18 ℃)、表面温度(T_w取-10.9 ℃、 -23.0 ℃、 -28.0 ℃)以及表面形貌结构对液滴凝结及霜层生长特性的影响,并将霜层的致密化机理进行了总结分类分析。实验结果表明,环境温度越高,表面温度越低,霜晶生长周期越短。在三种试件表面,越靠近试件边缘,凝结液滴出现时间越早,长大越快。此外,还发现表面形貌结构对液滴的凝结及霜层生长全过程均有影响,并将表面形貌结构对凝结的影响机理进行了初步分析,但是不规则表面形貌结构对霜层生长的影响机理仍需进一步深入研究。

针对脉冲发动机软质隔层在工作过程中状态与规律无法准确描述等问题,设计了软质隔层打开试验系统,近似模拟了隔层在脉冲发动机中的工作历程,对比了烧蚀与未烧蚀隔层打开特性,结合电镜扫描微观手段,从机理分析了烧蚀与未烧蚀隔层变形规律。试验结果表明,烧蚀模拟试验计算与某试验发动机隔层烧蚀率近似相当,相对误差可控制在5%以内；未烧蚀隔层变形呈“谷堆形”,烧蚀后隔层变形呈“灯泡形”。所建立的软质隔层打开试验系统可为脉冲发动机软质隔层设计与试验验证提供一种可行的技术途径和手段。

针对星敏感器的空间迷失问题,提出了一种新的星图识别方法。利用距离映射矢量计算参考星与导航星之间的离散度,以缩短导航星库列表,得到候选导航星,再利用夹角特征矢量与距离特征矢量,通过相似度计算匹配出参考星唯一对应的导航星。通过对仿真星图和真实星图进行性能测试,评估其可行性。结果表明,方法对噪声具有较强的鲁棒性,在位置噪声、伪星和缺失星等恶劣环境的影响下仍能保证93.80%以上的识别率。

针对传统数据填补方法难以有效利用标签信息和缺失数据的随机信息的不足,提出面向混合型特征的粒子群优化填补算法。将连续型特征取值建模为高斯分布,均值和标准差作为优化参数。将离散型特征的取值概率作为参数进行优化。使用分类正确率作为优化目标,充分利用标签信息和缺失数据的随机信息。采用4种基于统计的方法和2种基于演化算法的填补方法作为对比,在6个典型的分类数据集上进行实验。结果表明,提出的方法在分类正确率指标上显著优于其他对比算法,同时具有较优的时间开销,能够有效解决混合特征数据缺失的问题。

目前应用于辐射源识别的卷积神经网络对时序同相正交(in-phase and quadrature-phase,IQ)信号的处理有两种方式:一种方式是将其变换为图像,另一种方式是提取IQ时序数据的浅层特征。前一种方式会导致算法计算量大,而后一种方式会导致识别准确率低。针对上述问题,提出一种多尺度特征提取与特征选择网络。该网络以IQ信号为输入,经多尺度特征提取网络提取IQ信号的浅层特征和多尺度特征,采用特征选择网络降低多尺度特征的数据维度,通过自适应线性整流单元实现特征增强,使用单个全连接层对辐射源进行分类。在FIT/CorteXlab射频指纹识别数据集上,与ORACLE、CNN-DLRF和IQCNet对比实验表明,所提网络在一定程度上提高了识别准确率,降低了计算量。

针对具有高视距和高机动性特性的无人机(unmanned aerial vehicle,UAV)辅助移动边缘计算(mobile edge computing,MEC)进行空-地高效数据通信系统中无人机能耗对通信质量造成直接影响和多用户多业务需求的问题,提出了一种在确保用户体验性的前提下最小化系统能耗的交替迭代优化算法,通过建立包含无人机轨迹、信道模型、本地计算模型、计算卸载模型和无人机能耗五个子模型的UAV-MEC网络系统,联合优化无人机轨迹、用户卸载量和无人机功率,对系统能耗进行了优化。通过仿真结果表明了在与已有基准方案相比较时,终端用户的计算能耗减少了35%,系统性的整体性能得到了显著改善。

为提高水下机器人的机动性与稳定性,提出一种四旋翼波动鳍混合驱动的新型水下机器人及其姿态控制算法。建立了机器人桨鳍协同推进的运动学与动力学模型,通过流体数值仿真,获取了水动力系数,构建了机器人六自由度动力方程。提出螺旋桨与波动鳍协同推进的姿态控制策略,设计了一种四自由度串级比例-积分-微分控制器与控制分配算法。在MATLAB/Simulink中建立了仿真模型,仿真分析了机器人定深前进、升沉运动、原地转向中的机器人位姿曲线,以及随机干扰对姿态控制的影响。实验结果证明,机器人具备良好的姿态控制性能,最大推进频率下样机运动姿态角波动误差小于±4°,深度波动误差小于±5 cm。仿真及实验结果验证了所设计的水下机器人与桨鳍协同推进的姿态控制算法的可行性。

针对搜索水中动态目标问题,提出一种基于改进头脑风暴优化(brain storm optimization, BSO)算法的多自主式水下航行器(autonomous underwater vehicle, AUV)协同搜索方法。该方法采用基于马尔可夫过程的运动预测目标存在概率,联合探测信息与预测信息更新目标存在概率。AUV间共享目标存在概率、环境不确定度、协调信息素等信息,各自利用滚动优化策略规划搜索路径。对该方法进行了有效性和鲁棒性的仿真验证。仿真结果表明,该方法能搜索到不同运动模式的水中动态目标,搜索效果优于随机算法、遍历算法等传统算法和BSO智能算法,且对AUV的不同初始出发位置不敏感,提高了战术使用的灵活性。

针对自行研制的压电喷油器和执行器,通过设计压电执行器两端电压补偿控制策略,采取六阶段电路驱动控制方法,实现了压电喷油器内部执行器两端驱动电压的闭环补偿控制和基于三角波形驱动电流的充放电过程,提高了电路能量利用率,降低了电路峰值电流。同时对驱动电路进行试验。试验表明,改进驱动控制方式后,电路充电时间缩短了0.06 ms,放电时间略微缩短了0.01 ms,满足执行器达到最大位移的最小脉宽缩短到0.3 ms,峰值电流降低了3 A,由此表明电路响应速度和安全性得到了进一步提高。