混沌直扩信号的抗盲估计传输方法

混沌直接序列扩频(DSSS)由于具有大容量、低截获率和物理层上的优良保密性,成为通信领域的研究重点,尤其可以为卫星导航系统提供安全、可靠的地址码.虽然混沌序列的随机特点增强了混沌直扩信号的保密性,但是随着系列盲解扩及混沌预测等技术的发展,传统的混沌直扩系统已经不能克服非授权用户对混沌模型的重构和非线性预测,因此抗盲估计...     

基于深度学习递归神经网络的电离层总电子含量经验预报模型

利用行星际太阳风参数与太阳活动指数、地磁活动指数、电离层总电子含量格点化地图数据,首次基于一种能处理时间序列的深度学习递归神经网络（Recurrent Neural Network,RNN）,建立提前24h的单站电离层TEC预报模型.对北京站（40°N,115°E）的预测结果显示,RNN对扰动电离层的预测误差低于反向传播神经网络（Back Propagation Neural Network,BPNN）0.49～1.46TECU,将太阳风参数加入预报因子模型后对电离层正暴预测准确率的提升可达16.8%.RNN对2001和2015年31个强电离层暴预报的均方根误差比BPNN低0.2TECU,将太阳风参数加入RNN模型可使31个事件的平均预报误差降低0.36～0.47TECU.研究结果表明深度递归神经网络比BPNN更适用于电离层TEC的短期预报,且在预报因子中加入太阳风数据对电离层正暴的预报效果有明显改善.      

基于超椭圆方程和序列响应面法的回转壳开孔形状优化

含有多种功能开孔的轻质回转壳结构是航空航天结构系统内的常用支撑构件,其开孔形状直接影响结构的静动态性能。以回转壳结构为对象,基于超椭圆方程和坐标映射变换推导了回转壳开孔边界的参数化表达,开展了开孔形状动力学优化研究。为提高结构优化计算的精度、效率和收敛性,提出了准等弧长方法和基于均匀设计的序列响应面近似建模方法(SRSM),以分别实现空间超椭圆曲线的精确逼近、减少结构有限元分析成本和加快迭代收敛。以非支配排序遗传算法Ⅱ(NSGA-Ⅱ)作为响应面模型求解算法,结合有限元分析构建了回转壳开孔形状优化设计流程,开展了最大化结构一二阶频率带隙的典型回转壳结构开孔形状优化设计。结果表明,基于超椭圆方程和序列响应面法的开孔优化方法获得了有效改进结构动态特性的回转壳开孔形状,对开展计算耗时工程结构形状优化设计具有一定应用价值。     

涡轮平面叶栅非轴对称端壁优化设计

开发了一套造型灵活直观、网格生成速度快的涡轮平面叶栅非轴对称端壁优化设计工具,该工具的核心技术是非均匀有理B样条(NURBS)曲面造型和网格变形.在此基础上以商业软件Isight为优化驱动器,以CFX为求解器,搭建了非轴对称端壁优化设计流程.以Pack B涡轮平面叶栅为例,对其进行了非轴对称端壁优化设计.优化后涡轮平面叶栅总压损失系数减小了12.96%.结果表明:涡轮平面叶栅端部的静压分布改变削弱了涡轮平面叶栅通道中马蹄涡、通道涡的强度,提高了涡轮平面叶栅的气动性能.      

垂直起降运载火箭返回轨迹不确定性优化

针对垂直起降运载火箭一子级在返回着陆的过程中存在的参数不确定性,提出了一种基于非侵入式多项式混沌展开的序列优化和可靠度评估的返回轨迹不确定性优化方法。首先,建立了返回多飞行段轨迹在确定性条件下的优化模型。然后,为同时兼顾轨迹的鲁棒性和可靠性,建立了由鲁棒最优目标函数、基于可靠度的路径约束和鲁棒等式约束组成的不确定性返回轨迹优化模型。最后,基于非侵入式多项式混沌展开方法对鲁棒目标函数和等式约束进行量化处理,将原随机鲁棒优化问题转化为高维状态空间中的等价确定性优化问题;为提高路径约束的可靠度评估效率,基于非侵入式多项式混沌展开方法对最可能点法进行改进,进一步发展了序列优化和可靠度评估策略。数值仿真结果表明,所提出的不确定性优化方法具有较好的鲁棒性,可以满足工程可靠性指标要求,同时还具有较高的精度和计算效率。     

三维弹道有理Bezier曲线造型与优化方法

为有效克服传统弹道优化方法解的收敛性和最优性受搜索算法、初始猜测等影响大的问题,提出了基于有理Bezier曲线的三维弹道造型与优化计算方法。根据边界条件用光滑且只含少量造型变量的有理Bezier曲线形成待优化三维造型弹道,采用逆动力学方法计算造型弹道倾角、弹道角速度和法向加速度等,结合弹道其它动力学方程和约束计算造型弹道性能指标,通过对弹道造型变量寻优得到最优弹道。这种方法将无限维弹道优化问题转换为对很少造型变量的参数优化问题, 而且得到的最优弹道完全光滑可飞。与间接法相比,无需求解两点边值问题使用方便、鲁棒性强;与直接法相比,不需要对动力学方程离散化、寻优变量少、求解收敛性好,而且解的全局最优性和光滑性更高。仿真结果及与自适应伪谱法的比较校验了方法的实用性和有效性。     

具有较大零相关窗补序列集的构造

为了降低甚至消除近似同步码分多址(Approximately-synchronized code-division multiple-access,AS-CDMA)系统的多径干扰和多址干扰(Multiple access interference,MAI),满足系统不断增大的用户容量需要,提出了零相关窗补序列集和零相关窗补序列集的构造方法。零相关窗补序列集比传统补序列集具有更多的序列数目,应用到通信系统中可以支持更多的通信用户。本文基于完美序列和行正交矩阵,构造了两类具有较大零相关窗补序列集:第一类是运用完美序列的自相关性质和行正交矩阵的正交性构造了一类最优的零相关窗补序列集;第二类以同样的方式,构造了一类几乎最优的零相关窗补序列集。     

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

ERP 系统中 BOM 的模型分析与算法实现

BOM 是 ERP 的核心模块,其数据结构与算法直接影响到了系统使用效率,本文通过对 BOM 标模型的分析,提出了递归展 BOM 和双向链表展 BOM 两种算法的具体实现     

基于时间序列数据挖掘的航天器故障诊断方法

时间序列方法是数据挖掘技术的一个重要分支,在航天器故障诊断领域具有非常广阔的应用前景。本文在系统研究时间序列数据挖掘技术现状基础上,重点介绍了一种基于时间序列数据挖掘的航天器故障诊断方法,包括确定诊断对象、航天器遥测数据选取、航天器遥测数据再处理、航天器遥测数据时间序列特征表示、航天器故障诊断的时间序列数据挖掘方法执行、挖掘结果的解释与评估、软件系统开发共7个步骤。最后通过卫星实例描述了该方法在航天器故障诊断中的具体应用。