机器学习在流动控制领域的应用及发展趋势

流动控制作为流体力学中的重要跨学科领域,一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征,对流动的控制尤其是闭环控制,一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点,对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法,为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况,进而勾勒出本领域的发展趋势。     

月球立方星姿态控制系统的初步设计与测试

立方星是一种模块化的微小卫星,在科学探测与专业人才培养等方面具有重要意义。针对目前立方星任务逐渐从近地轨道向深空扩展的发展趋势,以立方星月球深空任务为背景,利用商业器件设计并实现了初步的立方星姿态控制系统,以及姿态控制系统所必需的结构、电源、计算机等立方星子系统,同时给出了姿态测试平台的设计方案及其硬件实现。在所搭建硬件平台上,通过测量飞轮控制器的阻尼系数,对控制模型进行参数辨识与标定,获得了与数值仿真一致的实物测试结果。针对姿态控制系统设计了PD控制律,并在控制实验中实现了至任意姿态角的机动控制。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system,BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接,网络权值可以用求解伪逆的方法快速求得,避免了耗时的训练过程,从而成为快速而高效的学习方法。然而在追求高精度结果的过程中,BLS对于增强节点数量的需求过于巨大,容易造成过拟合问题。为此,本文提出了基于函数链神经网络（Functional-link neural network,FLNN）的深度分类器（FLNN based deep classifier,FLNNDC）,旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构,每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点,而不是全部映射节点。和原宽度结构相比,在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。     

MBD环境下计算机辅助零件分类技术

针对MBD环境下的零件分类问题,研究MBD信息提取、零件编码转换和深度学习分类算法技术,并创建MBD-计算机辅助零件分类系统（MBD-CAPC）,实现从输入MBD模型到输出零件分类结果的自动化。     

一种五轴冗余惯导的系统级标定方法研究

针对五轴冗余惯性测量单元（RIMU）的系统级标定问题,推导了简化线性标定误差模型。载体坐标系下的运动参数矢量通过转换关系投影至传感器坐标系,并由RIMU敏感得到。当存在安装误差时,将RIMU的输出通过转换矩阵转换至载体坐标系,其安装误差会在载体坐标系中得以体现。因此,五轴冗余器件的安装误差补偿问题转换为三轴正交配置下的器件安装误差补偿问题。同时,加入了零空间约束以提高标定系统状态量的可观测度,采用１９位置转动方案,并通过Kalman滤波进行估计。该标定方案可一次性准确标定出RIMU中陀螺仪和加速度计的所有标定参数,通过仿真实验验证了其可行性。     

深空探测器模块化结构动力学研究

随着深空探测器技术的不断发展,深空探测器设计逐渐转向模块化和标准化。串联结构是模块化深空探测器常见并较为合理的结构形式,而如何将运载对探测器整体模态频率的指标要求合理转化为对探测器各个模块结构的设计要求是当前工作中的一项挑战。根据子结构综合模态法并基于固定边界法和悬臂梁理论,提出了探测器子结构模块动力学模态指标的分配方法。采用3种子结构模块极限处理方法,用全解析方式推导了子结构模块的基频表达式,并分析了子结构模块的动力学特性与探测器整体结构动力学特性之间的关系。提出的子结构模块的动力学指标分解方法操作简单,精度较高,可为串联式模块化深空探测器的设计提供关键性的指导。     

捷联惯性导航传统比力积分算法与对偶四元数算法的比较研究

捷联惯性导航速度更新算法中,将载体坐标系中的比力积分增量变换到导航参考坐标系中,载体姿态变化的影响通常采用一阶近似模型进行计算。本文分析了包括角振动和加速运动的动态运动下一阶近似模型的局限,在典型角振动及加速运动条件下对忽略姿态变化二阶项造成的速度更新误差进行了理论分析。通过比较,揭示了对偶四元数比力积分算法精度高于传统比力积分算法的原因,即和传统比力积分算法相比,对偶四元数比力积分算法等价于考虑了载体姿态变化影响的二阶项。通过典型角振动及加速运动条件下传统捷联惯性导航算法和对偶四元数导航算法的仿真比较,对理论分析结果进行了验证。     

多传感器斜置系统故障检测的奇偶向量补偿方法

提出采用神经网络对多传感器斜置组件的奇偶向量进行补偿,从而消除安装误差、刻度系数误差以及常值偏差对奇偶向量的影响,提高系统对小幅值故障检测与隔离的准确性.基于神经网络的方法与卡尔曼滤波、偏差分离估计方法相比,不需要各项误差的动态模型和噪声统计特性.神经网络采用有一定时间延迟的样本进行在线学习时,利用补偿后的奇偶向量能够检测出有一定斜率的斜坡型故障.      

捷联惯性测量组合综合评估方法研究

简要论述了捷联惯性测量组合评估系统在小样本下的性能评估方法,给出了小样本下正态性分布结构和采用随机加权的评估算法。采用此评估方法可以实现对惯组的综合性能的分析与评估,对落点偏差的分析预测,从而实现对射前优选惯组的辅助决策。     

航天器的数字化总装设计研究

文章总结了航天器数字化总装设计的基本思路、方法和经验,阐明了数字化总装设计所发挥的作用和意义。