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.      

基于均匀试验设计的Whipple结构弹道极限方程数值仿真研究

均匀试验设计是一种部分因子试验设计方法,将该方法引入航天器Whipple结构超 高速撞击弹道极限问题研究。采用均匀试验设计方法设计少量的试验,即可代表整个变量空 间的特性。针对试验方案,采用数值模拟获得了弹丸极限穿透直径同撞击条件的关系。将本 文研究结果与已有的物理试验和Whipple结构弹道极限方程对比,结果表明采用本文的方法 获得的弹道极限方程具有较好的预测准确度。
     

方形截面导弹动态摇滚特性研究

介绍了高速风洞自由摇滚实验技术的实验装置、实验方法、数据采集等.开展了方型截面导弹大迎角下的摇滚特性研究,给出了典型的结果,研究结果表明随着模型迎角的增加,方形截面导弹呈现不同的滚转运动形态,包括静态稳定、准极限环摇滚、双周期震荡和等速滚转.最后对摇滚的机理进行了探讨与分析.     

侧喷流直接力控制的运载器姿态稳定问题研究

利用侧向喷流对小型固体运载器进行姿态稳定控制具有降低运载器成本和提高起飞质量的优点。研究具有开关型姿态控制发动机的运载器的姿态稳定问题。首先分析了系统的特点和控制器设计问题,建立了控制模型。然后应用描述函数对系统的非线性特性进行伪线性化,通过几何方法分析Nyquist图中系统线性部分与非线性部分描述函数的关系实现鲁棒极限环控制器,给出控制器形式和参数范围,最后针对时域、频域综合指标,运用精英非支配解排序遗传算法对控制器参数进行优化。仿真结果表明系统具有良好的动态、稳态性能,控制器具有很强的鲁棒性。
     

CAST空间碎片超高速撞击试验研究进展

超高速撞击试验是开展载人航天器及大型应用卫星空间碎片超高速撞击风险评估和防护设计的基础,作为我国航天器环境效应和可靠性工程验证部门的北京卫星环境工程研究所在这个领域做了大量的工作。文章介绍了二级轻气炮超高速撞击地面模拟试验技术、典型防护结构防护性能的超高速撞击试验验证、载人航天器外露材料超高速撞击特性、毫米级弹丸7 km/s以上超高速稳定发射技术探索、高性能防护结构研究等方面的若干近期进展。展望了我国空间碎片防护需求和地面超高速撞击试验研究的发展方向。     

飞控系统极限环抑制对

舵机是电传飞控系统中非线性因素的重要组成部分,若参数选择不当,常会发生稳态不衰减的小幅值极限环振荡现象。应用非线性控制理论,将飞控系统稳定性要求转化为对舵机的幅频特性、相频特性和不灵敏区范围要求,从而通过舵机设计达到抑制极限环的目的。仿真结果表明,该方法简单、实用,具有较高的工程应用价值。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

高温结构可靠性分析的时变响应面法

高温条件下结构的本构方程和承载能力都随时间变化,传统的结构可靠性模型在分析这种时变结构可靠性问题时效率较低.提出一种可用于高温结构可靠性分析的热响应与响应量阈值均随时间变化的时变响应面法.首先,通过引入结构各基本变量与时间的交叉二次函数并结合Box-Behnken试验设计建立结构热响应量的时变模型;进而,以温度为中间变量,建立结构响应量阈值与时间的函数关系,据此得到用随机过程表示的时变极限状态函数.具体给出了基本变量服从正态分布情形下的结构时变可靠度计算方法.算例分析表明该方法切实可行,能够在保证计算精度的基础上大幅提高计算效率.      

航天器单层板结构弹道极限的支持向量机预测模型

提出了一种基于非线性不可分支持向量机（SVM）方法的航天器单层板结构弹道极限预测模型。利用实验数据对SVM进行训练,建立穿透点和未穿透点的分隔面,进而预测新结构弹道极限特性。SVM的训练问题是以实验点分类正确性为约束,预测置信度最大化为目标的二次规划问题,用Lagrange对偶方法有效求解了该训练问题,并通过附加Lagrange乘子的上限约束处理不可分数据集。引入二次核函数将线性SVM推广到非线性,有效实现了实验点的分类。利用超高速碰撞实验数据对SVM弹道极限预测模型进行了验证,计算对比表明SVM方法有效预测了弹道极限,并且精度高于NASA JSC单层板弹道极限方程。对分离面方程分离变量,建立了基于SVM的弹道极限方程显式表达式。