多星多任务运控系统可靠性优化模型

多星多任务运控系统任务需求是根据实时执行的各种任务而不断变化的,因而其在不同的任务状态下系统具有不同的可靠性结构。首先,给出了系统任务阶段分解的方法;然后,利用连续马尔可夫链理论建立了基于多星多任务运控系统的可靠性模型,给出了固定费用投资下对系统进行可靠性优化设计的边际分析算法;最后,通过案例分析,验证了模型的可行性与实用性。     

液体火箭爆炸后有毒气体扩散研究

提出了液体推进剂火箭爆炸后残余推进剂蒸发形成的有毒气体在大气中扩散的解析模型,并数值模拟了地面有毒气体浓度场在不同的环境,天气情况下的分布情况及环境参数对毒气扩散过程影响的分析,能为工程应用提供实用的数据。     

嵌入式软件可靠性测试平台仿真器分系统研究

研究了嵌入式软件可靠性测试平台中仿真器分系统的实现问题．首先介绍了软件可靠性仿真测试平台的功能及组成框架,然后以通用性和可扩展性为前提,对实现仿真器分系统的关键技术进行了探讨,着重对任务调度功能的实现进行了深入研究,提出了一种新的图型任务链的调度方法．实验结果表明,仿真器分系统的这些实现方法具有较高的可靠性、易扩展性和实用性．     

嵌入式软件可靠性测试平台仿真器分系统研究

研究了嵌入式软件可靠性测试平台中仿真器分系统的实现问题.首先介绍了软件可靠性仿真测试平台的功能及组成框架,然后以通用性和可扩展性为前提,对实现仿真器分系统的关键技术进行了探讨,着重对任务调度功能的实现进行了深入研究,提出了一种新的图型任务链的调度方法.实验结果表明,仿真器分系统的这些实现方法具有较高的可靠性、易扩展性和实用性.      

Supervised learning with probability interpretation in airfoil transition judgment

Transition prediction has always been a frontier issue in the field of aerodynamics. A supervised learning model with probability interpretation for transition judgment based on experimental data was developed in this paper. It solved the shortcomings of the point detection method in the experiment, that which was often only one transition point could be obtained, and comparison of multi-point data was necessary. First, the Variable-Interval Time Average (VITA) method was used to transform the fluctuating pressure signal measured on the airfoil surface into a sequence of states which was described by Markov chain model. Second, a feature vector consisting of one-step transition matrix and its stationary distribution was extracted. Then, the Hidden Markov Model (HMM) was used to pre-classify the feature vectors marked using the traditional Root Mean Square (RMS) criteria. Finally, a classification model with probability interpretation was established, and the cross-validation method was used for model validation. The research results show that the developed model is effective and reliable, and it has strong Reynolds number generalization ability. The developed model was theoretically analyzed in depth, and the effect of parameters on the model was studied in detail. Compared with the traditional RMS criterion, a reasonable transition zone can be obtained using the developed classification model. In addition, the developed model does not require comparison of multi-point data. The developed supervised learning model provides new ideas for the transition detection in flight experiments and other experiments.     

基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境，提出一种基于数字孪生的航班链延误动态预测模型，以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建，采用滑动窗口下的多通道特征建模完成单元级航班延误预测，并提出一种混合优化策略进行模型参数的动态优化，最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验，得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min，低于其他基线模型和静态模型；且引入孪生数据驱动分析和修正后，紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明，模型有利于数字孪生航班链系统实现虚实交互，并具有优良的预测精度和自适应性。     

描述碳纳米管内水分子单链的深度学习势

碳纳米管通道内的受限水具有与体相水截然不同的物理力学性质。当纳米管直径低至约0.8 nm时，通道内水分子形成与生物水通道内类似的单链结构，并显现出极高的流速和离子排斥能力。尽管基于经验势的分子动力学模拟在揭示单链水的奇特行为方面发挥了重要作用，但其模拟结果通常依赖于水模型和壁面-水作用参数选取。本文以从头算分子动力学计算结果为数据集，通过深度神经网络训练获得描述碳纳米管内单链水的深度学习势。基于深度学习势的分子动力学模拟在势能和原子受力方面具有近似第一性原理水平的准确性但低得多的计算成本，能准确重现从头算分子动力学得到的单链水性质，包括O-H键长、H-O-H键角、取向角和密度分布等。此外，本文对比了该深度学习势与常用经典水模型所得结果的异同。本文所构建的深度学习势为以接近第一性原理的准确性进行碳纳米管内单链水体系的大尺寸、长时间模拟提供了可能。