深空探测用锂离子蓄电池在轨管理策略研究

高轨卫星、深空探测器在工作周期内地影时间较短,储能电池长期处于搁置状态,而在存储过程中由于界面副反应的存在会导致持续的锂离子电池容量衰降,影响储能电池的使用寿命。通过dV/dQ曲线分析、交流阻抗分析和解剖分析发现在存储过程中活性Li损失是导致锂离子电池容量损失的主要原因,在100%SoC状态时还会导致电解液在负极表面的分解加剧,引起正极的界面膜阻抗R_(SEI)和颗粒间接触阻抗R_(CR)出现明显的增加。研究结果表明:深空探测器电源系统在存储期间为了减少过放电风险,并减少不可逆容量损失,应将蓄电池的荷电状态控制在20%SoC左右,并定期进行充电。     

降落伞拉直过程的多刚体模型

采用多刚体模型研究了降落伞的拉直过程。在动力学模型中将引导伞、伞包、拉出的伞绳及回收物处理为开链式多刚体;在仿真算法中提出了求解绳段间约束力的n阶递推算法。利用该模型可以研究降落伞拉直过程中的“绳帆”现象。     

空滑迫降模拟试飞方法研究

本文对某型飞机的空滑迫降关键参数进行了计算,提出了模拟空滑"空滑比"的计算方法,开展了模拟空滑迫降飞行试验,通过与无动力空滑最佳空滑比的对比,对某型飞机模拟空滑迫降的可行性进行了分析。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。     

基于激光的便携式飞机装配接缝质量检测仪及应用

介绍了一种基于激光的便携式接缝质量检测仪的工作原理及硬件组成。使用该检测仪对飞机缝隙和台阶阶差进行了测量,通过与人工测量进行对比验证,证明了该装置可实现对特征三维信息的快速自动检测,工作准确可靠。     

基于新型降阶模型的网格加筋圆柱壳频率分析

针对网格加筋圆柱壳频率分析计算量大的问题,提出一种基于多项式及梁单元形函数的模型降阶方法,即运用多项式及梁单元形函数将复杂结构有限元的节点位移转化为主节点位移,实现模型降阶。并通过控制多项式阶数及梁单元个数来调整降阶模型的分析精度,而降阶模型的计算效率较精细模型有显著提高。以网格加筋圆柱壳为例,对比本文提出的模型降阶方法与3-D实体模型及其他模型降阶方法的频率分析结果,结果表明,提出的模型降阶方法不仅能捕捉到结构的整体模态,还能反映出结构部分局部模态,适用范围广,能够为工程结构设计提供简单有效的计算模型。     

基于降维算法和等效杆长的可展结构精度分析

考虑铰链间隙和杆件尺寸误差的不确定性并通过概率统计方法对其进行研究,提出了一种基于单变量降维算法(UDRM)和等效杆长模型的可展结构精度分析方法。利用UDRM将可展结构的精度性能函数解耦为多个杆件尺寸误差的独立作用形式,建立精度分析模型。引入等效杆长模型,等效杆件替代原杆件进行精度计算。将铰链间隙与原始杆件尺寸误差合并到等效杆件的尺寸误差中,同时证明了等效杆长尺寸误差近似服从正态分布。以某卫星可展开天线为算例,结合高斯求积公式求解展开状态下精度指标的分布期望和方差。通过与蒙特卡罗模拟(MCS)和一次二阶矩(FOSM)法计算结果的对比验证了本文精度分析方法的正确性和高效性。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

基于线结构光的飞机蒙皮对缝阶差与间隙测量技术研究

针对飞机蒙皮对缝阶差与间隙的数字化检测问题,以线结构光视觉测量技术为基础,提出了阶差与间隙测量模型,从阶差与间隙的尺寸和位置两个方面设计测量方法。使用线结构光视觉传感器完成阶差与间隙的尺寸测量,同时利用iGPS测量系统对视觉传感器的位姿进行实时跟踪测量,从而确定阶差与间隙的测量位置。通过试验验证了算法的正确性和稳定性,能够实现非接触、高精度测量:试验结果表明:5mm内阶差的重复测量精度优于0.04mm,间隙的重复测量精度优于0.05mm。     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。