一个基于多重推理的遥感图片解译专家系统

本文研究了在图象模式识别过程中引入人工智能的知识学习、知识表达和知识推理的理论和技术,设计并实现了一个应用于遥感图片解译的计算机视觉专家系统。 为使系统具有较高的智能化程度,本文提出了一种新的推理方法——多重推理法,它具有处理某些不完全知识和错误知识的能力,并且推理过程所运用的部分知识(规则)是从已知样本中自动归纳学习生成的。     

基于粗集理论和遗传算法的知识获取方法研究

知识获取是故障诊断专家系统得以广泛应用的“瓶颈”问题，本文提出了一种基于粗糙集理论和遗传算法的知识获取的新方法，在一定程度上解决了这一问题。首先利用粗糙集理论从数据信息中直接推导出诊断规则，然后利用遗传算法对这些规则进行学习。最后以卫星电源分系统故障模拟实验台产生的数据为例，证明该方法能够有效的获取知识，为解决知识获取难的问题提供了一条新思路。     

基于模糊方向规则的火箭发动机传感器故障检测与分离

提出了一种直接从训练样本中获取模糊方向规则的学习算法，并应用于火箭发动机的传感器故障检测与分离。每种传感器故障模式由一些模糊方向规则聚集形成，模糊方向规则的全隶属区是一个由单位方向、夹角和两个半径确定的方向超体。模糊方向规则一次循环学习形成，在学习中能不断融合新样本信息。液体火箭发动机传感器故障检测与分离的仿真研究验证了模糊方向规则系统的优越性能。     

基于神经网络的机动飞行器自适应控制方法

针对机动飞行器强耦合性、快时变性以及高不确定性的问题,建立了六自由度刚体运动数学模型,按照时间尺度将姿态运动模型分为快变子系统和慢变子系统并分别设计动态逆控制律。然后给出了神经网络自适应控制器的设计方法,对神经网络的逆误差补偿原理、输入的选择、权值矩阵更新规则进行分析。通过算例进行六自由度仿真,证明本文方法的跟踪精度较高。     

基于Boosting的模糊分类规则集成学习及应用

由于难于获得先验知识,样本可分性差,辐射源识别很难达到很高的识别率。结合AdaBoost算法和遗传算法,提出了一种模糊分类规则的迭代学习方法。在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类和拒识的样本。在规则学习的适应度函数中考虑训练实例的分布,使模糊分类规则在产生阶段就考虑相互之间的协作,改善了模糊分类规则的整体识别能力。辐射源识别实验结果表明,该方法具有良好的分类识别性能。     

模糊神经网络控制器在飞行器姿态控制中的应用

基于ＡＫａｗａｍｕｒａ等人提出的Ｎｅｕｒａｌ－Ｆｕｚｙ协作系统概念［１］，根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍了采用多层神经网络表达模糊控制系统的知识规则、模糊推理和学习算法，给出了控制某导弹纵向姿态的仿真结果，结果表明该控制系统具有较强的鲁棒性。     

柔性机构变形动态响应可靠性分析方法

柔性机构中柔性构什变形的动态响应为高度非线性。为了进行柔性机构的动态可靠性分析，提出了柔性机构变形动态响臆可靠性分析理论，按照多柔体系统动力学方法建立了柔性机构动态可靠性分析模型，提出了变形动态响应可靠度计算方法。利用蒙特卡罗随机模拟方法抽取少量随机变量样本数据，计算构件变形动态响应随机过程的时间截口分布特性，结合人工神经网络方法进行构件变形动态响应的随机过程分析，得到整个运动时域内变形的随机过程分布规律。通过柔件机构实例进行变形动态响应可靠度计算，结果表明该方法对柔性机构设计和分析具有理论方法指导意义。     

一种用于航天器数据监视的知识表示方法

针对我国目前以人为主的航天器数据监视现状,利用人工智能的一般方法,分析了航天器数据监视中需要用到的各种监视知识,提出一种将各种复杂监视知识表示成计算机可识别形式的方法。该方法采用基于规则的思想,易于接受,并引入了优先级的机制完成冲突消解。该方法能够解决与时间有关、与历史数据有关、基于曲线变化等几类遥测参数的监视问题,具有一定的实用性和推广价值。     

面向海洋探测的多源信息融合技术研究及展望

多源信息融合技术包括数据级、特征级和决策级3个层级。在海洋探测应用中,现有方法存在信息获取、融合质量及目标识别等难点问题,提出了体系化探测、分布式融合和利用先验知识的解决思路。体系化探测能够全面获取原始信息,分布式融合可以在降低计算复杂度的同时减少信息损失,先验知识能够在决策级融合中提高目标识别的准确性。此外,还提出了构建探测系统和先验知识库、优化智能算法和模型等未来信息融合技术发展方向。     

基于泛化熵随机森林的雷达目标航迹起始方法

文章提出了一种基于泛化熵随机森林的雷达目标航迹起始方法,通过引入一种泛化熵可调参数,解决了传统随机森林算法对差异数据集泛化能力和适应性差且难以确定全局最优解的难题。首先利用雷达多周期回波数据构建随机森林算法决策模型,其次基于设计的泛化熵处理规则对实测数据进行分类处理得到所需测试样本,最后将测试样本输入完成模型训练的随机森林进行迭代寻优和自主决策以获取雷达目标的航迹起始结果。雷达实测数据验证表明,文章所提出的方法相比于传统随机森林方法具有更为优越的目标航迹起始性能。     

六自由度激励台的结构动力学等效建模

六自由度激励台是多轴同步振动环境模拟的重要地面设备,因其结构复杂且具有多个运动自由度,而难以构建准确的结构动力学模型。文章针对6-PSU构型激励台的结构动力学特性,提出其参数型建模与模型修正方法。首先确定模型修正的对象为含轴承和导轨等接触运动副的铰链与作动部件,提出采用刚度与质量解耦的方法建立其含参等效动力学有限元模型;然后以该等效模型为基础,通过模态参数修正铰链和作动部件等效梁模型参数,再利用频响函数修正模型中轴承和导轨的接触刚度参数,得到了修正后的激励台等效结构动力学模型。修正后的有限元模型计算结果与试验结果吻合较好,验证了建模方法的有效性。     

结构有限元模型的综合修正方法

本文的方法是针对像卫星这样的大型复杂结构而提出的。它既包含了对物理参数的修正又包含了对矩阵元素的修正。除了可以修正刚度矩阵[K]和质量矩阵[M]外,它还可以修正阻尼矩阵[C]。该方法最大限度地利用了实验数据,包括固有频率、模态和频响函数。在对许多模态和固有频率进行修正的基础上,首先保证了前几阶固有频率的修正精度。本文的计算方法不需要实验频响函数是满秩的,只需要在做实验时得到频响函数的一行或一列、几行或几列,而且避免了对阻抗矩阵求逆。本文提出的方法可以进行较大误差的修正。     

基于机器学习的二次电子发射唯象模型

基于机器学习和深度人工神经网络（artificial neural network，ANN）提出一种二次电子发射唯象模型。利用Vaughan模型生成先验数据集，用于训练生成描述二次电子发射一般规律的先验知识ANN模型，并在不同参数条件下验证了先验知识ANN模型的正确性。然后，分别利用银和铝合金材料的二次电子发射系数实验数据修正先验知识ANN模型，分别得到了描述两种材料的特异ANN模型。测试结果表明，特异ANN模型计算结果与实验结果相比的平均绝对误差较Vaughan模型和Furman模型降低了30%以上，与复合唯象模型精度相当或更高。在小样本条件下测试了二次电子发射ANN模型的正确性，验证了分步训练方式的有效性和二次电子发射ANN模型对于小样本集的适应性。提出的基于机器学习的二次电子发射唯象模型能够避免复杂的参数修正过程，能够基于先验知识提升模型对于小样本的适应性，能够实现二次电子发射系数的连续插值，适于在数值模拟软件中使用。     

基于Sarsa(λ)强化学习的空间机械臂路径规划研究

针对目标特性未知的在轨操作环境，研究了典型空间操作机械臂的路径规划策略。采用Sarsa(λ)强化学习方法实现目标跟踪及避障的自主路径规划与智能决策，该方法将机械臂系统的每节臂视为一个决策智能体，通过感知由目标偏差和障碍距离程度组成的二维状态，设计符合人工经验的拟合奖赏函数，进行各臂转动动作的强化训练，最终形成各智能体的状态-动作值函数表，即可作为机械臂在线路径规划的决策依据。将本方法应用于多自由度空间机械臂路径规划任务，仿真结果表明新算法能在有限训练次数内实现对移动目标的稳定跟踪与避障，同时各智能体通过学习所得的状态-动作值函数表，具备较强的后期在线自主调整能力，从而验证了算法较强的鲁棒性和智能性。     

基于遗传算法的故障诊断规则提取方法的研究

针对粗糙集应用于故障诊断过程中存在的决策表属性连续值离散化和属性约简之间分离的问题,根据粗糙集的约简思想,本文研究了一种新的基于遗传算法的规则自动提取方法,可以在知识获取过程中同时实现属性连续值离散和属性约简。将该方法用于卫星电源系统故障诊断,可以从故障决策表中直接提取规则,得到超过90%的故障诊断准确率,进一步验证了这种方法的可行性和有效性。     

空间飞行器推进系统的故障检测

文中采用基于人工智能条件下的专家系统知识，应用门限算法进行故障特性提取和相应的故障推理机制研究，在由大量小发动机组成的空间飞行器推进系统实验中进行应用，通过已有的实验数据，离线回放表明此方法具有实时检测功能，可以解决工程实际问题。     

一种基于学习的高超声速飞行器智能控制方法

针对吸气式高超声速飞行器的飞行控制问题，提出一种基于学习的智能控制方法。为便于控制器设计，将飞行器动力学模型划分为速度子系统和高度子系统：为解决速度子系统控制输入受限的问题，提出一种基于强化学习的智能控制方案；对于考虑有限通信资源的高度子系统跟踪控制问题，提出一种基于事件触发的确定学习控制方案。该方案包含离线学习训练和在线触发控制两个阶段。首先在本地离线学习训练阶段获取并存储系统的未知动态知识，随后利用所获取的经验知识设计基于事件触发机制的在线触发控制器。本文所提方案基于学习的思想将离线学习训练获取的智能体和经验知识应用于在线控制，使得所提方案能够快速计算控制指令且通信资源占用少。仿真结果说明了所提出方法的有效性。     

人工智能气动特性预测技术在火箭子级落区控制项目的应用

发展了一种基于人工智能算法的气动特性预测技术,在开展部分工况风洞试验基础上,结合少量数值仿真结果,通过机器学习模型预测全部工况气动特性.该方法能够降低研制成本,缩短周期.先后解决了相关函数选择、模型超参数训练、数据检验和"人在回路"应用等关键算法与技术问题,应用于运载火箭子级栅格舵落区控制项目气动研制,获得了设计所需完...     

基于模式矩阵的液体火箭发动机试车台故障关联规则挖掘

为发现试车台状态变量与其工作状况的关联关系,本文对液体火箭发动机试车台历史测试数据进行关联规则挖掘,对试车台状态参数进行选择和编码,使用自适应阈值算法对测试数据进行离散化,引入模式矩阵用于计算事务数据库中的频繁项集,提出了基于模式矩阵的关联规则挖掘方法,并将该方法应用于对多组历史测试数据进行频繁项集挖掘,对挖掘结果的分析表明:与传统方法相比,本文方法效率高,计算量小,挖掘结果能正确反映试车台状态变量与其工作状况间的关联规则,为试车台的测试数据挖掘提供了一种有效方法.