运载火箭推力故障下轨迹在线重规划方法

针对运载火箭非入轨飞行段出现动力系统故障的问题,提出了一种基于能量最优的在线轨迹重规划方法。通过参考轨迹进行引力项的凸化以及根据故障时刻和故障程度的不同设置不同的飞行时长,同时采用无损凸化、线性化和梯形离散等方法,将原始最优控制问题转化为可以采用原对偶内点法迭代求解的二阶锥规划问题,重新规划其飞行轨迹。仿真结果表明该算法能有效提高运载火箭应对突发故障的能力,实现轨迹在线快速收敛,满足动力系统故障后飞行轨迹重构需求。     

磁层顶边界区剪切流MHD不稳定性的数值模拟研究 III.大振幅MHD波

本文用MHD二维不可压模式, 对Kelvin-Helmholtz不稳定性激发的非线性波动进行数值模拟.指出:K-H波动有两个吸引子:(1)定常吸引子;(2)周期吸引子.在Alfvén马赫数M_A>8时, 波动长时间发展渐近于定常态;在M_A<8时, 波动渐近于周期吸引子.在磁层顶K-H波动中, 一般M_A<8, 波动幅度呈周期变化形态, 即包络孤立子形态.本文还讨论了磁场-磁层顶K-H不稳定性中的作用, 指出:磁场可大大加强从磁鞘向磁层顶的动量输运.      

基于MDP的诊断策略构建方法

针对传统方法忽略测试通过的不确定性因素,缺乏长周期寻优机制,难以在复杂测试系统中生成全局最优诊断策略的问题,提出了一种基于马尔可夫决策过程(MDP)的诊断策略构建方法。该方法将故障检测、隔离的过程表述为系统故障状态的马尔可夫过程,通过引入折扣因子与目标权重,构造了综合效用准则函数的无限折扣模型,并利用策略迭代算法求解出全局平稳最优诊断策略。实例表明,该方法充分考虑了测试通过的不确定性,可实现全局平稳策略寻优,能够有效地指导测试系统实现快速故障检测和隔离。      

AE指数表现出的磁层的浑沌行为

时间序列的非线性预测误差可用来辨别产生这个时间序列的动力学系统是浑沌的还是随机的。据此,本文分析了自1982年1月30日12点开始的分辨率为1min的AE指数构成的时间序列,共15000个数据点。首先用其中的一部分数据构造了一个从非线性确定性的到线性统计的范围很宽的预测模型,然后利用此模型对另一部分数据进行预测。预测误差的结果表明,AE指数所表征的磁层具有浑沌行为。用同样的数据,利用滞后时间相空间重构法得到的系统吸引子的关联维为2.5.      

Chaos and multifractals in the solar wind

By using the false-nearest-neighbours method, we have argued that the deterministic component of solar wind plasma dynamics should be low-dimensional. In fact, the results we have obtained using the method of topological embedding indicate that the behaviour of the solar wind can be approximately described by a low-dimensional chaotic attractor in the inertial manifold, which is a subspace of system phase space. We have also shown that the multifractal spectrum of the solar wind attractor is consistent with that for the multifractal measure of the self-similar generalized weighted Cantor set with two different scaling parameters and one probability measure parameter responsible for nonuniform compression in phase space and multifractality. The values of the parameters fitted also demonstrate that the complex solar wind system could only be weakly non-conservative (small dissipation) and quantify nonlinear dynamics; some parts of the attractor in phase space are visited much more frequently than other parts. In addition, to quantify the multifractality of space plasma intermittent turbulence, we consider that generalized Cantor set also in the context of scaling properties of solar wind turbulence. We investigate the resulting multifractal spectrum of a one-dimensional phenomenological model of turbulence cascade depending on its parameters, especially for asymmetric scaling. In particular, we have shown that intermittent pulses are stronger for the cascade model with two different scaling parameters. Even thought solar wind turbulence appears to be rather space filling, a better agreement with the data is obtained, especially for the negative index of generalized dimensions. Therefore we argue that there is a need to use a two-scale asymmetric cascade model. We hope that this generalized multifractal model will be a useful tool for analysis of intermittent turbulence in space plasmas. We thus believe that fractal analysis of chaotic systems could lead us to a deeper understanding of their nature, and maybe even to predict their seemingly unpredictable behaviour.     

基于变分迭代的航天器相对姿轨耦合动力学解算方法

针对航天器相对姿轨耦合一体化运动,在定义坐标系下利用对偶四元数和旋量表示航天器的一般运动,推导出航天器六自由度运动学和动力学模型,并分别采用Runge-Kutta四阶算法和变分迭代法的配点形式求解该非线性模型。变分迭代法的配点形式是变分迭代法与配点法的复合,本文先给出变分迭代法的迭代方程,再把迭代方程应用到局部时间区间上探讨了局部变分迭代法,然后把变分迭代法与配点法结合得到数值迭代方程。利用对偶四元数所建立的模型相对于其他模型较为简洁,便于分析姿轨耦合特性。仿真结果表明,相比Runge-Kutta四阶算法,变分迭代法的解算精度更高。     

基于时序建模的卫星故障检测方法

为解决当前卫星故障检测面临的依赖规则库、多元特征融合不足以及数据正负样本分布不均衡等问题,从卫星数据的时序特性出发,提出基于时序建模的卫星故障检测方法与半监督模型,实现卫星数据规律的有效挖掘与数据驱动的故障检测。考虑卫星数据间的时序关联,提出基于长短期记忆神经网络的卫星故障检测方法,并引入滑动窗口机制实现卫星数据的有效预测与故障检测。考虑卫星数据多元特征参数间的关联关系,引入时间卷积和自编码器神经网络,同时建模不同时刻、多元特征参数间的依赖关系,实现融合多元特征参数进行卫星故障的有效检测。以某型号卫星电源分系统为实验对象,仿真结果表明,所提算法和模型在关键指标方面优于BP神经网络等传统故障检测方法和模型。     

纵向通风公路隧道空气污染浓度适时预报算法

公路隧道空气污染模型的计算通常采用有限体积法,耗时费力,在通风系统的动态调控中不易使用.根据隧道内污染物浓度沿隧道长度近似线性分布的特点,从二阶偏微分方程表示的隧道通风污染模型中推导出了动态预测隧道出口空气污染物浓度的线性迭代方程,对方程中新出现的变量提出了可行的计算方法,同时对方程所描述的物理过程进行了解释．用西汉高速秦岭隧道内的CO浓度的实测数据对方程进行了验证,发现此方程能够在离线的情况下粗略预报隧道出口CO浓度值．为进一步改善预报精度,利用实测数据对上述方程进行修正,提出了一种带有观测误差修正的预报算法,并用现场数据对修正后的预报算法进行验证,结果表明修正后的预报算法能够更准确地在线预测隧道出口实际CO浓度值．     

一种全局的无关线性图嵌入故障特征提取算法

针对故障特征数据维数高、非线性且系统难以建立物理模型的故障诊断问题,提出了一种全局的无关线性图嵌入故障特征提取算法.通过监督学习建立原始特征的关系图,以线性图嵌入为框架进行特征降维.特征的降维过程既保留了同类数据的局部结构,又考虑了异类数据之间的全局分布,同时最大程度地消除了特征之间的统计相关性.在标准故障数据集上的实验结果表明:与已有的经典算法相比,能更有效地提取出故障的典型特征,因而更有利于故障诊断系统训练网络的快速收敛,实现快速、准确的故障诊断.     

基于贝叶斯网络工况分类的民机引气系统异常检测

状态监控与健康管理技术是国产民机运营支持亟待突破的关键技术,以民机引气系统为对象,设计实现了基于飞行数据（QAR,Quick access recorder）的民机引气系统异常检测流程,提出了贝叶斯网络分类的同工况数据提取和指数加权滑动平均(Exponentially Weighted Moving Average,EWMA)控制图的引气系统异常检测方法。借助航空公司收集的实际数据对方法进行了验证,结果表明可有效检测民机引气系统异常,并提前故障发现时间,为航空公司合理安排飞机维修计划、减少飞机停场时间提供了支持。     

基于AI+神经网络的数字化故障电弧识别方案研究

线路故障电弧的特征随着电力电子技术的提高更趋复杂，传统的故障电弧识别方式已无法应对新型用电系统。对比传统故障电弧识别方案，研究故障电弧产生类型和新型检测技术，提出基于谐波因素、总谐波畸变率、电流零休时间、电流变化速率、电流周期性等典型时域、频域特征的AI+神经网络的数字化故障电弧识别方案。该方案运用回归算法向量机对特征图进行分类处理，通过正向传输运算、反向传输运算和迭代回归运算三个步骤执行卷积神经网络，频繁迭代回归以获得最佳特征识别图。本文以调光器的故障电弧识别为例，对故障识别方案进行验证，结果表明采用此方案可实现更高效、更精准、更稳定地识别故障电弧。