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.      

串并混联空间机械臂全自由度轨迹规划算法

目前,国内外对串并混联空间机械臂的研究较少;而且大多在舍弃冗余自由度的情况下进行轨迹规划.针对7自由度串并混联空间机械臂,提出了一种基于解析解、并且充分放开全部7个自由度的机械臂轨迹规划算法.该规划算法既扩大了串并混联空间机械臂的规划可达空间,又保证了规划的实时性,同时还保留了结构承载能力强的优点,可以充分发挥其作为空间抓捕用臂的优势.通过仿真和地面空间操作抓捕试验,验证了算法的有效性.     

一种航天器空间机动轨道的改进形状设计方法

针对带推力约束的航天器三维空间机动轨道初始设计问题,提出了一种基于傅立叶级数展开的改进形状设计方法。首先,在柱坐标系下建立了航天器运动模型,并将基于傅立叶级数展开的形状方法推广到三维空间的机动轨道初始设计;然后,基于所得到的空间初始机动轨道,采用直接配点法进行了完整三维空间机动轨道的优化设计。仿真结果表明,提出的方法可以为带有任务约束的航天器三维空间机动轨道的优化设计提供更优的初始参数及其解析解,为空间机动轨道设计提供了新的方法。     

星上定标的观测恒星确定方法研究

基于观测恒星的星上定标方法已成为近年来大型红外相机的主要定标方法之一。而这种定标方法的核心就是确定观测恒星及其在相机探测波段的辐照度。为了研究恒星在不同波段的辐照度,首先将恒星视为点源目标对其辐照度进行建模,在此基础上提出了泰勒级数展开和改进的遗传算法对恒星的温度T进行求解;然后对WISE星表的1000颗恒星进行辐照度外推,取得外推精度<3%的恒星所占比例高达68.34%的结果,满足项目需求;最后对不同精度下恒星的光谱分布特征进行了分析总结,验证了该外推方法的有效性。     

新型非接触式径向C4D传感器优化设计

基于电容耦合式非接触电导检测(C4D)技术,设计研发了一种新型径向结构的非接触式电导测量传感器。该传感器利用串联谐振的原理,引入电感模块以消除耦合电容对测量的不利影响,扩大了测量范围,提高了测量灵敏度。同时,用仿真与实验相结合的方法对传感器的电极张角进行了优化研究。在5.0、7.5、9.1、10.2和12.0 mm 5种不同内径的管道中进行了电导测量实验,电导测量相对误差均不超过5%,实验结果表明,所设计的新型非接触式径向C~4D电导测量传感器是可行和有效的。     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

加速度计参数变化建模方法

通过归纳工程上常用数据建模方法及其应用特点,且结合贮存条件下加速度计零偏和标度因数试验测量数据变化规律,综合给出了建立零偏时间序列模型和标度因数回归模型的详细步骤,并据此建立了贮存条件下加速度计零偏和标度因数的变化模型,所建模型预测的数据与真实数据相比误差很小,充分验证了模型的有效性.所建模型真实地反映了零偏随机性变化规律和标度因数趋势性变化规律的特点,可以为加速度计零偏和标度因数随时间变化的补偿模型提供参考,为加速度计参数长期变化稳定性水平评价提供手段.     

遥测伪周期时间序列子序列异常检测算法

针对现有异常检测算法用于伪周期时间序列异常序列检测时易造成误差累积,导致序列周期与特征值上显著差异的不足,文章以卫星遥测伪周期时序数据为对象,综合两种常规分段方法的优势,提出了最大周期窗宽内基于极值的模式子序列分段算法。在此基础上,给出了一种基于均序列动态生成模型的子序列异常检测方法（AnomalySubsequenceDetectionmethodbasedonOptimizedSequenceModel,ASD_OSM）,并采用2次四分位距准则（DoubleQuantilerangescriterion,2Q准则）设置距离检测门限阈值,将超出阈值的序列判定为异常序列。某航天器传感器遥测子序列异常检测试验结果表明,提出的检测方法能够有效减少漏判,提高卫星遥测伪周期数据异常序列检测的准确性。     

动态测量数据的高保真容错Q-滤波算法

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。 采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野值、非平稳、强噪声干扰和超低信噪比的采样数据序列剔除野值、削弱扰动和提取信号。理论分析、仿真计算和飞行数据应用实例证实了该Q-滤波算法有强容错能力和提取采样数据本真变化的能力,可以从被噪声淹没和低信噪比的非平稳采样数据序列中或者在采样数据变化形态杂乱的情况下,高保真地准确提取测量对象的真实变化信息。     

基于神经网络的翼型积冰预测

采用神经网络方法对翼型表面的积冰进行了预测研究.建立了一种型面曲线坐标系,通过坐标变换将积冰外形转化为几何曲线.利用傅立叶级数对此曲线进行拟合,实现积冰外形的参数化.以结冰条件作为输人,冰形参数作为输出构建神经网络,对NACA 0012翼型表面的积冰进行预测.通过将预测结果与实验结果以及数值模拟结果进行对比,说明所提出...