摘要：为提高舰载机甲板保障调度稳定性,减少保障作业期间的不确定性风险,设计了甲板调度数学模型,针对以加油设备故障为例的保障不确定性,建立了设备失效分布函数,提出了保障作业风险系数值、故障机会影响因子的研究方法,推算得出不确定性目标函数计算模型,采用改进的禁忌算法进行了求解,得出调度优化方案。仿真实验结果验证了所提研究方法的有效性与可行性。

摘要：给出了超空泡航行体的纵向运动模型,利用前馈控制将航行体模型化为线性模型.考虑航行体质量的变化和水动力系数等不确定性因素,以及超空泡形变带来的干扰问题,利用滑模控制理论设计鲁棒控制器.由于系统的不确性上界不易获得,因此采用范数自适应律估计扰动的上界.最后利用李亚普诺夫稳定性理论证明了闭环系统的稳定性.仿真研究验证了所设计的控制器具有良好的深度调节性能及较强的鲁棒性.

摘要：针对航母舰载机在保障作业调度过程中出现扰动事件,并打破原调度方案执行计划的情况,为及时获得新的优化调度方案,设计了舰载机动态调度优化算法。在禁忌搜索算法框架下,采用基于工序的调度排班方式作为优化邻域结构,并以部分映射交叉与普通映射交叉混合的交叉方式作为编码交叉策略,以双重禁忌方式作为禁忌表内容,最终实现实时调度。算法可针对调度过程中舰载机添加、舰载机故障、保障组添加、保障组故障以及某保障工序的完成时间提前或推迟等多种突发扰动事件,在原调度方案基础上,对调度方案进行快速、有效的更新。基于对静态甲板保障调度数学模型求解得到静态的调度优化方案,采用扰动事件模拟方法,利用动态调度策略获取重调度方案,验证了所提算法的有效性与可行性。

摘要：[目的]为提高舰载机保障效率,开展一站式保障模式下航空保障资源性能指标的优化设计研究。[方法]建立以最小化保障时间为目标的舰载机甲板作业调度模型,将航母舰面航空保障资源性能指标视为满足区间约束的自变量,构建双层优化模型;基于分层优化策略,采用哈里斯鹰优化算法求解性能指标问题,设计改进的引力搜索算法(GSA)求解甲板作业调度问题。[结果]通过多种典型任务场景的算例仿真,得到了不同出动模式下的最优资源配置方案与保障作业调度方案,验证了求解算法的有效性。[结论]利用所提出的方法可以有效求解一站式保障资源性能指标与保障作业调度的联合优化问题,为一站式保障资源的配置优化提供了一定的理论支撑。

摘要：针对超空泡航行体动态中的非线性项和未建模动态,以及由空泡形状改变引起的扰动问题,提出了一种基于自适应模糊滑模的纵平面运动控制器设计方法。该方法利用自适应模糊系统逼近超空泡航行体模型中的非线性不确定项;利用滑模控制对干扰的鲁棒性,克服逼近误差和干扰;最后用Lyapunov定理证明了闭环系统的稳定性。仿真结果表明,设计的控制器可有效克服滑行力的计算误差以及水动力参数的不确定性。

摘要：主要通过分析构建飞机历史作业环境、任务剖面、维修信息等相关数据,研究Fisher判别法和Apriori算法在航空装备故障分析、预测方面的作用,设计智能推理模型为维修提供决策;根据飞机机器系统的故障变化趋势,设计可靠性管理工具。

摘要：针对牵引系统在舰面复杂环境下的转运过程,提出了一种适用于不规则形状目标的动态避碰方法。首先以凸构型的形式对不同状态下的舰载机外轮廓进行描述,推导了多目标间碰撞距离的计算过程。其次,对无杆牵引系统的运动学模型进行了分析,同时引入动态窗口算法实现牵引系统的避碰规划。为提高多机环境下的避碰能力,改进了算法的评价函数,设计了可动态分配的优先级策略。仿真结果表明,文中算法能够有效解决复杂环境下牵引系统舰面转运的动态避碰问题。

摘要：以舰载机分波出动模式为研究重点,详细分析了舰载机再次出动准备的保障作业过程和存在的各种约束条件,给出了考虑站位保障能力和转运路径可行性的舰载机甲板作业调度模型。基于岛式并行遗传算法,设计了求解该调度问题的算法框架,并采用一种自适应改进策略,实现搜索多样性和集中性之间的平衡;最后,通过仿真算例,验证了模型的正确性和算法的有效性。

摘要：针对舰载机牵引系统舰面转运过程,提出一种适用于复杂形状目标的路径规划方法。建立舰载机展翼与收翼状态下的外轮廓描述形式,推导多目标间碰撞距离计算公式。设计有杆牵引系统运动学模型。在A~*算法的基础上,将舰载机运动状态作为节点扩展方式,解决带有位姿约束的避碰规划问题。为提高转运效率,引入航向变化函数和时间函数,并设计了贪婪因子。仿真结果表明,算法能有效解决舰载机牵引系统舰面转运问题。

摘要：针对舰面场景复杂、目标相互遮挡导致检测率较低等问题,在YOLOv3算法基础上提出了适用于舰面目标检测的增强YOLOv3算法。在输入网络中加入融合的数据增强策略对图像进行色域变换、裁剪、遮挡等操作,设计了多种类图片选取、变换及组合方式来丰富样本信息;针对舰面目标尺寸的特点,利用K-means算法重新设计与检测目标相匹配的先验锚框并分配至对应的预测尺度,以加速模型收敛;在输出网络中通过线性函数对Soft-NMS算法的高斯软阈值函数参数设定进行了改进,以适应不同密集度下的抑制需要,提高网络检测能力。通过将增强的目标检测算法在目标数据集上进行实验对比,其结果显示,在5类舰面目标识别的精确率和召回率分别提高了1.4%和10.3%,平均准确率值(mAP)达到了95.24%,检测速度达到21.5 frame/s,有效解决了复杂场景下的舰面多目标检测问题。