Upgrading CCIR's foF2 maps using available ionosondes and genetic algorithms

We have developed a new approach towards a new database of the ionospheric parameter $f_{o}F2$. This parameter, being the frequency of the maximum of the ionospheric electronic density profile and its main modeller, is of great interest not only in atmospheric studies but also in the realm of radio propagation. The current databases, generated by CCIR (Committee Consultative for Ionospheric Radiowave propagation) and URSI (International Union of Radio Science), and used by the IRI (International Reference Ionosphere) model, are based on Fourier expansions and have been built in the 60s from the available ionosondes at that time. The main goal of this work is to upgrade the databases by using new available ionosonde data. To this end we used the IRI diurnal/spherical expansions to represent the $f_{o}F2$ variability, and computed its coefficients by means of a genetic algorithm (GA). In order to test the performance of the proposed methodology, we applied it to the South American region with data obtained by RAPEAS (Red Argentina para el Estudio de la Atmósfera Superior, i.e. Argentine Network for the Study of the Upper Atmosphere) during the years 1958–2009. The new GA coefficients provide a global better fit of the IRI model to the observed $f_{o}F2$ than the CCIR coefficients. Since the same formulae and the same number of coefficients were used, the overall integrity of IRI’s typical ionospheric feature representation was preserved. The best improvements with respect to CCIR are obtained at low solar activities, at large (in absolute value) modip latitudes, and at night-time. The new method is flexible in the sense that can be applied either globally or regionally. It is also very easy to recompute the coefficients when new data is available. The computation of a third set of coefficients corresponding to days of medium solar activity in order to avoid the interpolation between low and high activities is suggested. The same procedure as for $f_{o}F2$ can be perfomed to obtain the ionospheric parameter M(3000)F2.     

基于中波红外热成像的温度场测量技术研究

随着红外探测技术的不断发展,基于中波红外热成像的测温技术得到了越来越广泛的应用。在研究中波红外成像系统测温原理的基础上,探讨了黑体辐射定标技术,以及环境辐射和定标数据处理方法对测温准确度的影响,提出了一系列的处理方法,实现了一套基于红外成像的温度场测量方案,并有效补偿了环境辐射对测量结果的影响,同时降低了定标数据拟合引起的误差,使测温准确度得到了很好保证。     

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法（FPA）在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。      

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。      

基于位姿可达空间的太空机械臂容错路径规划

为了使太空机械臂在关节锁定故障后仍能继续完成后续任务,提出一种基于位姿可达空间的太空机械臂容错路径规划方法。基于牛顿-拉夫逊法计算太空机械臂关节人为限位,完成满足任务需求的退化工作空间求解,通过构造姿态可达度指标,在退化工作空间的基础上建立故障机械臂基坐标系下的位姿可达空间。通过在代价函数中增加最小奇异值代价项改进传统A^*算法,基于改进A^*算法在所建立的位姿可达空间内完成太空机械臂容错路径规划。所提方法综合了位姿可达空间与改进A^*算法各自的优势,实现了关节锁定故障太空机械臂同时满足避奇异与位姿可达要求的轨迹搜索。通过建立7自由度太空机械臂运动学模型开展数值仿真研究,仿真结果验证了所提容错路径规划方法的有效性。     

复杂构型金属橡胶毛坯铺设路径规划

基于金属橡胶毛坯自动化铺设工艺,对遗传算法进行合理改进,进行了复杂构型金属橡胶毛坯铺设的定位销优化设计和路径规划。针对定位销优化设计和路径规划问题,建立了改进的编码、交叉、变异算子,并提出评价因子对遗传算法的迭代过程进行评价。优化的定位销排布和铺设路径可以较好地实现复杂构型金属橡胶毛坯铺设,铺设10层时,优化路径对应的目标函数b的值比经验路径小54%,路径规划作用显著。单层路径规模对铺设效果影响较小;单层路径规模不同时,毛坯内部接触状态随着铺设螺旋卷长度的增加趋于一致。为复杂构型金属橡胶毛坯铺设提供了理论依据。      

基于迭代算法的复杂曲面零件三坐标测量快速精确定位方法

针对复杂曲面零件在三坐标测量过程中存在着定位难、定位精度低的问题,基于改进的迭代最近点算法,提出了考虑半径补偿的预定位与精定位的多级定位算法;并通过建立定位点几何误差与叶片定位精度的数学关系模型,结合贪婪算法与六点原则,给出了近优的定位点序列生成方法。结合定位算法与定位点序列,给出了复杂曲面零件定位迭代流程,并开发了三坐标测量定位系统。以涡轮叶片为例,通过的定位仿真和定位实验,结果表明:该系统只需测量12～18个点即可使得叶片定位误差在0.1mm以内,证明该系统能有效的提高复杂曲面零件的定位精度和效率。      

基于强化学习的航空器机场智能静态路径规划

随着人工智能迅速发展以及“智慧机场”的提出,研究人工智能在机场如何有效地辅助机场管制人员,驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法,构建航空器机场地面强化学习移动模型,并以海口美兰机场为案例采用 Python 内置工具包 Tkinter 进行场面仿真;在此基础上,考虑机场航空器滑行规则,采用 Off-Policy 中 Q-Learning 算法求解贝尔曼方程,实现航空器在 Model-based 环境中进行静态路径规划。结果表明：本文所提方法能够实现停机位到跑道出口智能静态路径规划     

NNW-TopViz流场可视分析系统

流场可视化技术采用图形图像直观地表现CFD数值模拟的计算结果,使用户能够方便地对这些数据进行分析、比较和研究。然而,CFD数值模拟的流动复杂,其产生的流场数据规模巨大、数据类型复杂、特征提取困难,传统的串行可视化软件效率低、交互手段单一,难以满足数据分析的需求。国家数值风洞（NNW）工程研制了一套流场数据处理可视化软件系统（NNW-TopViz,简称TopViz）,具有对流场数据处理与特征提取、几何图形绘制等可视化与交互功能。根据可视分析效率需求,TopViz实现了线程并行,在多核计算环境下有效提高了可视化计算和交互效率;针对流场特征提取困难、常规方法效率低的问题,TopViz实现了基于卷积神经网络的流场旋涡特征提取方法,提升了特征提取准确率和效率;为提高软件交互效率并提供便捷的交互方式和体验,基于头戴式显示设备和体感控制器构建沉浸式虚拟显示与交互平台,TopViz实现了手势和眼球凝视2种交互方法,提供沉浸式环境下多视图、多角度流场探测方式。     

基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。