基于CNLS-MMD的孪生混合网络四旋翼飞行器故障诊断方法

四旋翼飞行器在众多领域中应用广泛,由于工作环境复杂多变,四旋翼飞行器极易出现结构损伤性故障,给飞行器的安全性带来巨大的挑战,因此开展四旋翼飞行器结构损伤性故障的相关研究对提高四旋翼飞行器可靠性具有重要意义。针对四旋翼飞行器在实际应用中结构损伤性小样本故障数据诊断率低的问题,本文提出了一种在小样本条件下基于卷积神经网络和长短时记忆网络的孪生混合网络（CNLS-MMD）四旋翼飞行器故障诊断方法。首先,设计试验获取四旋翼飞行器多工况结构损伤性飞行数据并对数据进行预处理。其次,建立基于孪生混合网络的故障诊断模型,采用卷积神经网络（CNN）和长短时记忆网络（LSTM）构建CNLS混合模型提取数据特征,利用最大均值差异（MMD）衡量样本的相似度,实现对故障标签的预测。最后,选择不同样本数量的训练集训练模型,使用多工况小样本数据集对搭建的模型进行故障测试。结果表明,该故障诊断方法具有较好的诊断性能和泛化能力。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

基于自提取脉冲样本图的雷达信号快速提取法

针对电子侦察中截获的敌方雷达信号,估计敌方雷达参数、实现快速的雷达信号提取,对电子对抗决策有重要意义。基于脉冲样本图的描述方式,提出一种新算法,实现对截获的敌方雷达信号的快速识别。算法利用同种雷达信号脉冲之间的匹配相关性,通过脉冲的整体平移,在实现对脉冲样本图的自提取的同时,把用此脉冲样本图描述的雷达辐射源信号筛选出来。仿真分析表明该方法可以获得较高的成功率。     

基于脉冲样本图和Vague集的雷达辐射源识别

针对现有雷达信号特征描述方式很难有效地对复杂雷达辐射源进行描述和识别,提出一种基于脉冲样本图和Vague集的雷达辐射源识别新方法。该方法把雷达辐射源识别问题转换为Vague集的多属性决策问题,不仅能很好地解决雷达信号识别中的模糊问题,而且无需传统方法的特征提取过程,简化了处理环节。另外,基于脉冲样本图的雷达辐射源识别是利用有序的多个脉冲同时匹配识别,因此更可靠。计算机仿真表明该方法是有效可行的,为复杂雷达辐射源识别提供了一种新思路。     

样本重复使用失效响应曲线分析结构可靠度方法

用基于样本重复使用失效响应曲线逼近法,为充分利用迭代过程中的样本点,提出了样本重复使用的思想,并由此发展出一种结构可靠度的计算方法.利用可靠度指标作为收敛条件,从迭代收敛后的所有样本点中选取靠近失效界线处的样本点构造失效曲线响应函数,最后通过蒙特卡洛抽样的方法计算可靠度.多个算例表明:该响应函数避免了对传统意义上的功能函数响应面的模拟,降低了模型维数,又由于适当地 引入了带交叉项、具有曲线旋转功能的响应函数,因此能够很好地逼近失效曲线,有效地提高可靠度计算精度.      

ESA和俄罗斯打算10年后发射月球极轨探测器

据中国航天网站2012年10月10日消息,美国航天网2012年10月8日报道,ESA和俄罗斯正在共同策划一项无人月球极轨勘探任务,打算10年后从月球带回冰冻土壤样本。它被命名为“月球极地样本返回任务”（LPSR）,设想在月球南极或北极表面用钻探机器人钻孔,以得到月壤样本。     

基于改进MCMC的波束内目标与诱饵联合参数估计

波束内目标与诱饵的参数估计是导引头正确实现目标分选、完成波束指向调整与精确跟踪的必要条件。目标与诱饵的“紧密接近”导致接收回波混叠,使得常规参数测量与估计方法失效。基于实际采样处理中目标回波能量会“溢出”到相邻匹配滤波采样点这一信号模型,通过贝叶斯原理从观测的条件似然以及未知参数的先验分布获取待估计参数的后验概率分布,采用Markov Chain Monte Carlo (MCMC)方法中的Metropolis-Hastings (M-H)抽样算法联合估计目标与诱饵的相关参数,并根据拖曳式诱饵干扰对抗的特点对M-H抽样进行了改进。各种典型干扰条件及动态攻击场景下的仿真试验表明了本文方法的有效性。
     

含有正态相关变量的多设计点/多失效模式情况下的方向抽样可靠性灵敏度分析

针对含有正态相关变量的多设计点/多失效模式系统的可靠性问题,提出了两种有效的基于方向抽样的可靠性灵敏度分析方法。可靠性灵敏度分析方法的基本思路是首先将正态相关变量进行等价独立标准正态变换,利用改进的方向抽样可靠性灵敏度分析方法得到独立标准正态空间的可靠性及灵敏度结果;通过复合求导法则,将独立标准正态空间的可靠性及灵敏度结果转化到正态相关空间,得到失效概率对相关正态变量分布参数(均值、标准差和相关系数)的偏导数,并对所推导的可靠性及灵敏度估计值进行了方差分析。与经典的MonteCarlo数字模拟法相比较,文中所列的数值算例和简单工程算例的分析结果验证了所提方法的可行性与有效性。     

基于混沌序列加权抽样和排序变换的图像置乱

为增强网络中传输的数字图像信息的安全性,对一类典型的基于混沌排序图像置乱算法——Ye算法进行了研究,给出应用间隔抽样混沌序列置乱图像可以提高混沌排序置乱算法置乱度这一性质,并依据近似熵理论给出其提升的依据.为增加图像置乱算法的密钥空间,结合Shannon加权保密思想,设计了基于加权抽样混沌序列排序图像置乱算法.结果表明,该方法密钥空间大,置乱强度高,抗重构攻击.     

结构可靠性分析的拟蒙特卡罗方法

由于蒙特卡罗(MC)方法具有程序结构简单,收敛速度与问题维数无关等优点,故其在结构可靠性分析中得到了广泛应用。但是对于小失效概率等问题,计算效率低这一主要缺点限制了该方法的应用范围。为了解决MC方法存在的问题,通过引进单位超立方体中不同的低偏差点集代替伪随机数序列,并结合了重要抽样技术建立了结构可靠性分析的拟蒙特卡罗(QMC)方法。该方法不但可以大幅度减少抽样点数目,还能够得到确定性的估计值, 避免传统MC方法只能得到概率意义下误差的缺陷。通过数值算例可以看出本文方法具有较高的计算精度和效率,因此适用于结构可靠性分析问题。