基于多旋翼无人机的正交式风压矢量分解测风法

针对多旋翼无人机平台上的测风设备会受到旋翼扰流干扰的问题,基于伯努利方程提出了一种适用于多旋翼无人机的利用正交式风压矢量分解反演风速风向的算法,并通过设计感压腔的布局与结构进一步降低了旋翼扰流的影响。利用Space claim和Meshing软件建立测风模型,通过Fluent软件改变流场内气流的速度与方向,对该测风法在不同流场中进行了仿真研究。在实际测量中,当风速高于2 m/s时正交式风压矢量分解测风法的测风速误差均保持在10%以内,证明了该法可以有效降低旋翼扰流对测风的干扰,实现高精度测风。     

四旋翼无人机串级变论域模糊PID姿态控制研究

为解决四旋翼无人机控制系统存在的鲁棒性差和控制精度低等问题,结合变论域思想、模糊PID算法和串级PID算法三者优点,提出了一种基于变论域模糊PID的串级姿态控制算法。建立了四旋翼无人机系统动力学数学模型,在模型的基础上设计串级变论域模糊PID控制系统,将不同的控制器组合,使用外环角度环和内环角速度环对四旋翼姿态进行控制。常规串级PID算法和串级变论域模糊PID算法设计的控制系统所得仿真曲线对比表明,串级变论域模糊PID控制方法能满足四旋翼飞行器响应速度快与稳定性高的要求,其超调量为8%,明显优于串级PID控制方法。     

基于自监督特征增强的 CNN-BiLSTM 网络入侵检测方法

针对网络入侵检测中攻击样本和流量特征不足的问题,提出一种基于自监督特征增强的 CNN-BiLSTM 网络入侵检测方 法,实现在流量数据中检测异常网络流量的目标。 通过分析流量特征数据分布差异,采用 IQR 异常值处理方法进行数据预处 理,使用自编码器对攻击样本进行数据增强,构建 CNN-BiLSTM 神经网络和自编码器组成半自监督模型,分别提取高维流量特 征和自监督特征,将组合特征作为最终特征输入到分类模型中进行预测分类,实现网络入侵检测。 实验结果表明,与其他入侵 检测方法相比,所提方法在准确率和 F1 分数上分别达到了 85. 7%和 85. 1%,能够有效提高网络入侵的检测精度以及对未知攻 击的检测能力。     

基于GA-BP神经网络温漂补偿的十字正交型热温差式测风仪

为准确测量风速与风向,根据十字型导管内上下游温度差求得风速,通过正交分解得到二维空间内任意方向的风速以及风向角,设计了一种十字正交型热温差式测风仪,利用FLUENT 软件对传感器周围的温度场分布进行仿真,搭建了测试平台,对不同环境温度、不同风速下测得的上下游温差数据进行拟合,且提出了一种利用遗传算法优化BP神经网络的算法补偿环境温度引起的测量误差。实测结果表明,十字正交型热温差式测风仪精度较高,在测风领域具有一定的应用价值。     

基于生成对抗网络和混合时空神经网络的入侵检测

针对网络入侵检测领域存在检测准确率低的问题,研究异常流量样本少和分类器性能不佳时的入侵检测模型,提出一种基于改进生成对抗网络和混合时空神经网络的入侵检测模型。改进生成对抗网络通过学习异常流量样本的分布特性,生成具有特定标签的人工异常流量样本;融合卷积神经网络和双向长短时记忆神经网络提取攻击流量的时空融合特征,利用注意力机制对时空融合特征进行加权,构建混合时空神经网络对网络流量进行分类预测。在UNSW-NB15数据集上对所提模型进行仿真实验,准确率和F1分数分别为92.93%和94.81%,表明所提模型能够有效改善原始数据集中的类别不平衡性问题,提高对异常流量样本的检测能力和网络入侵的检测准确率。     

基于演化博弈的无线传感器网络入侵检测研究

针对无线传感器网络易遭受内部节点攻击的问题，本文提出了一种基于演化博弈的无线传感器网络入侵检测方法。将传感器网络的攻防对抗映射到博弈过程中，建立恶意节点和簇头节点之间的攻防博弈模型，改进传统复制动态方程，使得簇头节点在演化博弈过程中考虑到其他节点的历史策略，预测恶意节点的攻击策略；同时将改进复制动态方程应用于入侵检测算法，提高算法响应时间。实验表明，与传统方法的复制动态方程相比，采用该算法使得演化博弈能够快速达到均衡，收敛速度相比传统方法提高了80%,保障了网络安全性的同时避免了传感器网络检测能量的消耗。     

多旋翼无人机在气象探测中的现状与展望

针对传统气象探测方法在时间与空间分辨率上存在的缺陷,本文介绍了具有低成本、易部署、高机动特点的多旋翼无人机在气象探测领域的优势,重点阐述了多旋翼气象无人机所搭载的气象载荷以及多旋翼气象无人机所采用的两种探测模式,分析了多旋翼气象无人机在发展过程中的关键技术,结合现代电子技术、飞行控制技术、微传感器技术对未来气象探测的发展方向以及多旋翼气象无人机的研究重点做出了合理的展望,为多旋翼气象无人机的推广提供了必要的参考。