星载原子钟在轨剩余寿命预测方法研究

原子钟是导航卫星最关键载荷之一, 开展原子钟健康状态评估与寿命预测相关工作, 对于及时掌握原子钟性能和运行状况, 确保卫星导航系统提供高可用性连续性完好性的服务, 具有重要意义。结合星载原子钟在轨失效特性分析, 提出了一种综合考虑原子钟随机失效与耗损失效的剩余寿命预测方法。该方法融合利用原子钟寿命周期内产生的多源多维数据, 通过概率统计和机器学习的途径实现原子钟的剩余寿命预测。经案例验证, 所提方法合理有效, 具有一定的工程应用价值。      

一种基于航迹特征的无人机与飞鸟目标雷达识别方法

对于现代雷达探测系统而言,无人机与飞鸟同属于具有“低慢小”特征的一类典型目标,而面对比较复杂的作战环境,其对功能的要求已经不仅局限于对两者目标实现稳定探测跟踪,如何有效区分两者类型并完成识别更是当下急迫且重要的难题。常规方法是从目标的微动特征差异进行区分,但由于两者回波微弱,很难通过时频分析方法提取目标特征。针对该问题,从航迹特征出发,提出一种无人机与飞鸟目标雷达识别方法。首先对比两者目标在运动轨迹上的差异性,进行特征分析,提出时间相关的航向震荡频率与速度震荡频率特征量描述方法,并在离线状态下,利用实测雷达系统记录的航迹数据,提取两者的有效特征量;然后利用支持向量机算法对样本进行训练,并在获得最优模型参数后,通过测试样本进行测试,测试分类结果显示准确识别率能够达87%;最后在线状态下跟飞实验,其结果既表明该方法的正确性,也体现了在工程实现角度上的轻量性、实用性、适用性,具有较高价值。     

基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。      

基于语谱图的管制员疲劳状态检测研究

在现阶段利用陆空通话语音对管制员的疲劳状态的研究中,大多只考虑了语音在时域或频域的变化,而忽视了疲劳会同时在时域与频域上产生影响。本文将三种疲劳状态下的陆空通话语音分别转化为可同时反应时域与频域特性的语音频谱图像,利用灰度共生矩阵（GLCM）提取四维典型的特征参数,对比管制员在不同状态下特征参数的变化情况,确认所选特征具有较好的区分度,将所选特征作为管制员疲劳检测模型的输入特征进行检测。结果表明：利用语谱图特征结合传统特征作为输入特征的检测准确率最高,达到95.49%,较单一使用传统特征的检测准确率高出4%;管制员疲劳状态的变化会直观地反映在语谱图上,并会对其特征值产生影响,利用这种影响对管制员疲劳状态进行检测,可以得到良好的检测结果。     

失效卫星捕获的实时规划控制方法

针对高轨失效卫星维修、离轨等航天任务,借鉴自然界生物的运动控制策略,利用计算仿真完成各种工况下的失效卫星接近轨迹规划,然后设计深度神经网络学习轨迹得到的最优轨迹,提高了对各种卫星失效飞行情况下的接近轨迹实时规划和跟踪控制.在失效卫星姿态运动发生突变时,通过分段重规划,仍能保证快速重规划出期望轨迹,保证对失效卫星的成功捕...     

飞机燃油系统全飞行剖面热边界模拟与温度预测

通过仿真实验和机器学习，对影响飞机燃油系统温度的主要因素进行了研究，并对燃油系统温度进行了预测。对飞机燃油系统的基本结构布局进行了描述。利用Simulink仿真平台建立了燃油系统热动态仿真，该模型可以模拟出全飞行剖面下燃油回路各个节点的温度，通过改变不同的条件得到影响燃油系统各个节点温度的主要影响因素，并通过机器学习模型对燃油系统的温度进行预测。研究成果可以估计和感知燃油系统的工作温度及飞机液压、滑油等系统的工作温度，为进一步进行燃油液压系统的热边界感知和机载液压与机电系统热载荷吸收控制打下基础。      

基于机器学习的高速复杂流场流动控制效果预测分析

流动控制激励器是主动流动控制技术的核心，其设计水平和工作性能直接决定了主动流动控制的应用效果和应用方向。为了获得流动控制激励器的作用规律，需要大量实验研究激励参数对控制效果参数的影响，实验代价较大。利用逆向等离子体合成射流激波控制实验数据，采用机器学习中的高斯过程回归模型，获得激励器参数（头锥直径、腔体体积、放电电容、出口直径）到控制效果参数（最大脱体距离）的映射规律，对比多种核函数下高斯过程回归的预测效果，采用特征重要性分析方法分析激励器参数对控制效果参数的影响程度。结果表明:对于小样本问题，采用2次多项式核函数Poly2的高斯过程回归预测精度最高。在特征重要性分析上，头锥直径对最大脱体距离的影响程度最大；其次是放电电容和腔体体积，2个参数的影响相近；出口直径影响最小。本文工作可为高速复杂流场流动控制实验中激励器各项参数的设置提供一定参考。     

材料基因工程加速新材料设计与研发

在未知材料化学成分和性能关系的情况下，通过传统的“试错-纠错”方法研发具有特定功能的新材料成本高且经常失败。随着人工智能和数据驱动的第四科学范式的发展，材料基因工程(MGE)已经成为材料设计与研发的新模式。综述了材料基因工程中高通量计算、材料数据库和人工智能方法的研究进展。介绍了材料高通量计算常用的框架和方法; 阐述了材料数据库在材料数据类型和数据标准两方面的发展现状和有待解决的难题; 总结了人工智能方法在材料关键基础问题中的应用。从高通量可视化计算方法、材料多类型数据库和可视化机器学习框架三方面重点证述了自主开发的多尺度集成可视化的高通量自动计算和数据管理智能平台ALKEMIE。展望了材料基因工程未来的发展趋势。      

基于改进组合机器学习的卫星遥测参数预测

对在轨卫星的运行状态进行监测、分析以及异常检测是卫星在轨运行管理的重要内容。预测卫星遥测参数序列的变化趋势，对卫星异常检测与处置、保障安全运行非常必要。针对目前对于周期性不明显且具有多种变化特征的遥测参数预测精确度不够的问题，本文引入对遥测参数的预测有辅助作用的因素作为协变量，提出了基于改进组合机器学习的预测模型。该模型使用全局模型和局部模型分别获取遥测参数序列的趋势特征和局部不规则波动特征，并采用改进的注意力机制捕获多维参数之间的关联关系，提高了预测精度。此模型可以提供点预测和区间预测的结果，为在轨卫星处置决策提供了更多输入。在科学卫星真实遥测数据集和时间序列公开数据集上验证了本文方法的有效性。     

装备系统剩余使用寿命预测技术研究进展

社会的稳定发展离不开制造业的高水平发展，生产是制造业的关键步骤，长期持续稳定的产出依赖于装备系统的稳定运行。系统故障引起的停产势必会造成一定的经济损失。如何尽早地发现装备系统的故障来避免停工停产带来的经济损失，已经成为了当前应用研究中的热点。采用定期人工检查的传统方法不仅提高了生产成本，还使得问题发现较为滞后，达不到实时监控的目的。而且，随着信息技术的高速发展，装备系统的监测也变得更加智能化。利用装备系统的历史数据检测其状态能够更敏捷、更高效地发现装备运行中的“亚健康”问题，能给装备管理者提供有益的决策支持。基于装备剩余使用寿命的数据预测，能够提供高效智能的解决方案，在工业领域有着宽广的应用前景。因此，本文聚焦于装备系统剩余使用寿命预测技术的研究进展，对近年来剩余使用寿命预测的研究进行归纳总结，并讨论各剩余使用寿命预测理论与方法的优缺点。最后，总结并展望装备系统剩余使用寿命预测技术的未来研究方向和发展趋势。