学科前沿系列讲座课程总结

学科前沿系列讲座课程总结学院：航空学院学号：2014300466学科前沿系列讲座总结本学期我们进行了四周的学科前沿系列讲座的课程学习。在四周的时间里，我们在四位来自航空学院的教授的精心讲解和介绍下，了解了许多关于航空火控系统发展及趋势、航空电子系统及其综合化发展、飞机通信导航与雷达系统发展历程及趋势、结构健康监测与深度学习理论四个方面的知识，掌握一些先进技术发展的最新动态，受到了很大的教育和启发。在第一次讲座中，张安教授给我们讲解了航空火力控制系统的发展历程以及新一代机载火控系统的发展方向。从中我们了解到，随着科技的进步，机载武器火控系统已成为现代作战飞机的主体控制系统，将继续向着高度综合化、智能化、模块化、标准化的方向发展，可实现远距指挥引导、超视距多目标、多机协同攻击、近距大机动格斗、对面精确打击和反隐身、反电子对抗的作战能力。而我国的的机载火控雷达技术发展也经历了漫长的过程，到上世纪末，我国已经先后开发完成了多种性能较先进的机载火控雷达系统，形成了国内装备和外贸出口两大系列十余个品种，机载雷达的规格覆盖从装备在歼－７Ｇ上的小口径脉冲多普勒雷达到第三代重型战斗机的大型多用途雷达系统；功能由可以为离轴发射的红外格斗弹引导目标到可制导中距离拦射导弹，再到可导引发射后不管的主动雷达制导导弹和先进对地攻击弹药。我军新型作战飞机装备的雷达系统已经由单纯的制空作战发展到了具备地形测绘、合成孔径、地形跟随等功能，具备较强对地、海目标作战能力的现代化多功能火控雷达系统。以脉冲多普勒体制和平板缝阵天线为标志的新一代机载火控雷达系统，目前已经全面装备国产歼－８系列战斗机、＂飞豹＂战斗轰炸机、新型多用途战斗机和重型远程战斗机等。我国现有机载雷达整体性能基本达到了上世纪九十年代初期的国际先进技术水平，在部分技术性能方面已经接近当今国际先进水平，已经可以满足为我国第三代战斗机配套的需要。在这次讲座之后，我才真正的了解到了火控技术发展的艰辛和它无与伦比的重要性。第二次讲座由宋东老师为我们讲解了航空电子系统的发展概况。在这次讲座中，我们了解到了综合航空电子技术发展至今，基本上经历了分立、联合、综合到高度综合这四个阶段。航电综合系统结构不断改进,使航空电子综合系统的水平迅速提高，从而促成了战斗机水平的更新换代。在航空电子系统对飞机整体性能影响日益增大的同时，航空电子系统的硬件成本占飞机出厂总成本的比例也在直线上升：从20世纪60年代F-4的10%，70年代F-15C的21%，80年代中期F-16C的30%，到90年代EF2000和F-22战斗机的40%~50%。因此，未来的航空电子系统除继续保持航空电子的进一步综合化、信息化和智能化的发展势头外，还必须探索有效的解决办法减少航空电子的寿命周期费。在第三次讲座中，马存宝教授给我们讲解了飞机的通信导航和与雷达系统。飞机的导航系统测量飞机的位置、速度、航迹、姿态等参数，供驾驶员或自动飞行控制系统引导飞行器按预定航线航行。飞机的机载气象雷达系统用于在飞行中实时地探测飞机前方航路上的危险气象区域，以选择安全的回避航路，保障飞行安全工作方式有“气象”、“气象与湍流”、“地图”等几种。机载GPS借助导航卫星给飞机电子设备和机组人员提供飞机位置信息。GPS可以提供经度、纬度、高度、精确时间和地速。GPS可提供飞机的真航向信息。有了通信导航和雷达系统，飞机便仿佛拥有了千里眼和顺风耳，可以耳听六路眼观八方，使得飞行更加快捷安全。最后一次讲座，姜洪开老师为我们讲述了结构健康监测与深度学习理论，十分手动。在这次讲座中，我们学习到机在长期飞行过程中，由于疲劳、腐蚀、材料老化以及高空中的环境等不利因素的影响，不可避免地产生损伤积累，甚至发生飞机坠毁等突发的严重事故，造成无法挽回的伤害。因此，对飞机结构进行适时健康监测，从而在事故之前给出预警，减少或避免灾害性事件发生显得十分重要。目前，大量军用及民用飞机在超过其设计寿命很多年的情况下仍在运营，飞机结构健康监测研究对于这类飞机尤为重要，对其进行健康监测以确保其安全运营，在一定程度上是延长了其安全使用寿命。建立安全可靠的健康监测系统将有助于根据飞机的整体性能决定其是否退役，而不是按照设计预定计划退役，从而充分利用了飞机，节约了成本。在飞机结构健康监测研究领域中，常用的方法有基于模态理论的损伤检测和基于波动理论的损伤检测方法。信号分析方法如小波变换、时频分析法、HHT法以及神经网络法也逐渐在这一领域中被采用。而关于深度学习理论，我们了解到深度学习的概念源于人工神经网络的研究。多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分.不同的学习框架下建立的学习模型很是不同。例如，卷积神经网络(Convolutionalneuralnetworks，简称CNNs)就是一种深度的监督学习下的机器学习模型，而深度置信网(DeepBeliefNets，简称DBNs)就是一种无监督学习下的机器学习模型。通过四次精彩的讲座学习，我们学到了很多。一方面了解了许多新的知识，另一方面将所学的知识与最前沿的技术发展联系到了一起，使我们对于未来的发展方向有了更加明确的认识，开阔了眼界，增长了阅历，受益匪浅。