考虑多因素的可修系统任务可靠性分配方法

在实际工程中,系统常常是由串联、并联、旁联和表决等模型混合而成的复杂可修系统,目前此类系统的可靠性分配方法多采用等分分配等方法,得到的分配结果往往误差较大。本文提出了一种考虑维修、故障逻辑等多因素影响的可修系统任务可靠性分配方法。该方法以系统故障率为待分配指标,首先对包含维修影响的故障率进行转换,然后利用考虑故障逻辑的评分分配法进行分配,最后通过备件系数进行修正,获得分配结果。新方法能够为在实际工程中可修系统的任务可靠性分配提供一种简便易行的方法。      

Using TensorFlow-based Neural Network to estimate GNSS single frequency ionospheric delay (IONONet)

In the last 20?years, and in particular in the last decade, the availability of propagation data for GNSS has increased substantially. In this sense, the ionosphere has been sounded with a large number of receivers that provide an enormous amount of ionospheric data. Moreover, the maturity of the models has also been increased in the same period of time. As an example, IGS has ionospheric maps from GNSS data back to 1998, which would allow for the correlation of these data with other quantities relevant for the user and space weather (such as Solar Flux and Kp). These large datasets would account for almost half a billion points to be analyzed. With the advent and explosion of Big Data algorithms to analyze large databases and find correlations with different kinds of data, and the availability of open source code libraries (for example, the TensorFlow libraries from Google that are used in this paper), the possibility of merging these two worlds has been widely opened. In this paper, a proof of concept for a single frequency correction algorithm based in GNSS GIM vTEC and Fully Connected Neural Networks is provided. Different Neural Network architectures have been tested, including shallow (one hidden layer) and deep (up to five hidden layers) Neural Network models. The error in training data of such models ranges from 50% to 1% depending on the architecture used. Moreover, it is shown that by adjusting a Neural Network with data from 2005 to 2009 but tested with data from 2016 to 2017, Neural Network models could be suitable for the forecast of vTEC for single frequency users. The results indicate that this kind of model can be used in combination with the Galileo Signal-in-Space (SiS) NeQuick G parameters. This combination provides a broadcast model with equivalent performances to NeQuick G and better than GPS ICA for the years 2016 and 2017, showing a 3D position Root Mean Squared (RMS) error of approximately 2?m.     

一种地月转移轨道中途修正的制导算法

针对地月转移轨道中途修正问题，提出了一种求解修正速度增量的制导算法。该算法由初值设计和精确解求解两部分组成。首先，利用伪状态理论，通过简单迭代设计中途修正的初值，并通过Vinti预报方法修正了地球扁率的影响。然后，在求解精确解时，提出了一种基于伪状态理论的状态转移矩阵解析算法。该算法通过设计高精度的初值，降低了求解地月转移轨道中途修正问题的难度，而且避免了传统数值方法计算状态转移矩阵的复杂性。数值仿真结果表明，该算法可有效求解中途修正问题。     

基于隐式温度修正的二维热线风速仪校准方法

热线风速仪主要用于湍流流场测量。热线测量的主要误差来源是由环境温度变化导致的热线校准参数的变化。Brunn提出的传统温度效应修正方法在环境温度变化较大的情况下会带来明显的误差。本文经过理论推导,提出了一种新的基于隐式温度修正的二维热线风速仪校准方法,并开展了热线校准实验研究。结果表明:当环境温度变化在4℃范围内时,本文提出的方法与Brunn方法的测量精度相当;当环境温度变化超过4℃时,本文提出的方法的测量精度远高于Brunn方法。     

存储系统中两级纠错编码方案设计与验证

针对恶劣空间环境设计了一种两级存储编码方案，以应对航天系统中存储单元发生多个单粒子翻转（SEU）错误的问题。方案设计的主要思想是根据简单低纠错编码组合出高容错编码，通过编码组合，使用字间编码来纠正字内编码无法纠正的错误，从而使存储系统更加可靠；对两级编码方案提出若干优化策略，以提高编解码性能，使得两级冗余编码效率接近于原始字内编码。实验结果表明，提出的两级冗余编码方案能够较好解决存储系统中发生多个单粒子翻转错误的问题。即与单一的字内编码相比，两级纠错编码方案能够大大降低星上存储系统出现不可修复的概率，保证了星上存储系统的可靠运行。     

基于改进FCM的北斗三频组合观测值选取

以北斗卫星导航系统三频双差为基础探讨了组合观测值及误差,针对以往采用聚类方法在研究GPS三频组合数据过程中的不足,提出了基于距离修正的增量模糊C均值算法.通过调节因子有效地修正了样本中心与聚类中心的距离,获得合理的隶属度,从而得到正确的分类;构造了基于距离修正的聚类有效性指标,自动获取最佳聚类数,避免了人为确定聚类数的不合理性;在此基础上引入增量的思想,数据增加时以原有的数据集为基础,根据阈值进行归类,不需要重新进行初始计算.通过矩阵变换法及实例验证了该方法的可行性和可靠性.     

一种中心型间断有限元MMALE方法

针对多介质可压缩流体动力学问题,提出了一种单元中心型二维MMALE(Multi-Material Arbitrary Lagrangian-Eulerian)方法。在拉氏步,流体力学方程组采用中心型间断有限元方法求解。对于混合网格,采用Tipton压力松弛模型更新物理量,用等参坐标法更新物质中心点坐标。界面重构采用一种健壮的MOF(Moment of Fluid)方法。在重映步提出了基于多边形相交的二阶积分守恒重映方法。该方法分为四个部分:多项式重构、多边形相交、积分和后验校正。多边形相交使用"剪裁投影"算法,显著降低了多边形相交算法的复杂度。后验校正是基于MOOD (Multi-dimensional Optimal Order Detection)限制策略,并做了一些改动以适应多介质的计算。数值算例表明,该方法具有二阶的精度和较好的鲁棒性。     

星敏感器在轨光行差修正方法研究

星敏感器作为目前航天器中最重要的姿态测量敏感器,其精度直接影响航天器姿态测量精度,因此对其误差源进行分析和修正则尤为重要。提出了一种星敏感器在轨光行差修正方法,根据光行差产生的原理和特点,将星敏感器沿探测器X和Y方向产生的光行差误差角巧妙地转换为光行差误差四元数,并直接对输出四元数进行修正,从而为修正星敏感器光行差提供了一种方便简洁的方法。     

利用经验正交函数分解的大气密度模式校准方法

热层大气密度产生的阻力是作用在低轨航天器上最大的非引力摄动,现有大气密度模式存在15%~20%的偏差,难以满足空间任务应用需要。采用NRLMSISE-00模式作为密度参考标准,通过修正Jacchia-Roberts经验大气模式温度参数校准密度,建立温度修正量与密度的参数方程。针对部分区域修正量迭代计算发散问题,采用改进高斯牛顿迭代法求解方程。选择经验正交函数（EOF）分解方法分析修正量的时空特征,并与传统球谐（SH）分析的结果进行比较。结果表明,前4阶EOF基函数与前9项球谐基函数分别可提取温度修正量超过85%与80%的变化特征,EOF分解方法对温度修正量的表示效率高于球谐分析方法。第1阶EOF基函数反映了温度参数的整体偏差,第2~4阶EOF基函数对应的时间系数表明温度修正量的变化具有天周期性,且球谐分析得到的时间系数同样具有天周期性的特点。利用前4阶EOF基函数和前9项球谐基函数重构的温度修正量校准Jacchia-Roberts模式,校准后的模式密度偏差分别下降了9.06%与5.37%,表明EOF分解方法与传统球谐分析方法相比,能够更有效地修正温度参数,改进模式精度。     

带压缩性修正的离散涡方法在结冰数值模拟中的应用

离散涡方法（DVM）是一种无网格的涡运动算法,适用于解决易产生分离流的非定常问题,将其应用于结冰过程中的流场求解,在有效模拟分离流动的同时能避免冰形尖角对网格质量的影响。但离散涡方法基于不可压 N-S 方程,无法应用于预测可压缩流动下的结冰过程。本文在离散涡方法的基础上添加普朗特—格劳尔特压缩性修正,进行基于离散涡方法的可压缩流动下的数值模拟,并将其应用于翼型结冰预测;对流场分布、结冰冰形和结冰模型计算过程等仿真结果进行对比和分析。结果表明：引入压缩性修正后的离散涡方法能较好地模拟可压缩流动,与实验值相比,基于该方法得到的结冰数值模拟结果符合良好,对结冰数值模拟在工程上的应用提供了一定的参考。