空间光学遥感器主镜背部形状的选择

本文阐述了空间光学遥感器中主镜轻量化的必要性．对双凹、平背、单拱和双拱4种形状主镜在重力载荷下的变形进行了分析计算，得出了背部3点支撑方式下双凹主镜最优的结论，并进一步研究了3点支撑的双凹主镜面形变化RMS值随规一化支撑半径r／R的变化规律．     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

装备保障系统配置管理模型

对装备保障系统分解结构进行了研究,分析了装备保障系统分解结构建立过程中的配置管理需求,抽象出了装备保障系统配置管理的范树模型,根据保障系统数据结构的特点建立了信息模型,利用统一建模语言(UML)中的活动图建立了保障系统配置管理的过程模型,并给出了基于飞机装备保障系统配置管理的实际简化案例,可以为保障系统自上而下的设计过程提供建模指导,对保障系统设计过程中多系列、多方案、多视图的繁杂产品数据配置过程进行有效的处理.     

金属增材制造数据处理与工艺规划研究综述

金属增材制造数据处理与工艺规划是金属增材制造软件系统的核心,涵盖了金属支撑结构设计、模型切片以及路径规划等内容,决定着最终金属零部件的产品性能.从金属增材制造模型前处理出发,较为全面地概述了与之相关的多类型支撑设计和新型支撑优化等数据处理内容,针对金属增材制造数据处理中模型切片这一关键环节,分别从平面切片、自适应切片和...     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

航空四站气体保障过程的STAMP建模与STPA安全性分析

航空四站气体保障装备的可靠性在不断提高,而气体保障过程中的事故仍有发生,需要一种新的方法系统地去识别新的危险因素,从而提高系统的安全性。从控制的角度结合STAMP和STPA对航空四站气体保障过程进行安全性分析。首先,介绍STAMP/STPA的工作机理;然后,对航空四站气体保障过程构建STAMP模型,采用STPA安全分析方法对航空四站气体保障过程的安全性进行分析,识别不安全控制行为,对生成的不安全控制行为进行场景分析;最后,与事故树分析法(ATA)进行分析结果的比较,从而证实了该方法的优越性。结果表明:采用STAMP模型和STPA安全分析法可以更加全面地识别出不安全控制行为及其原因,更有利于保证航空四站气体保障过程的安全。     

基于支持度的MEMS陀螺信息融合方法

为了解决微机械电子系统(MEMS, micro electronic mechanical system) 惯性器件测量准确度低、噪声大、长时间单独使用导航误差积累大等缺点,提出了一种MEMS陀螺阵列结构设计,在完成微型惯性测量单元(MIMU, micro inertial measurement unit)的标定后,采用基于支持度的信息融合方法对陀螺阵列输出进行信息融合。试验结果表明：该结构设计和信息融合方法能够有效的提高MIMU的测量准确度,具有一定的工程应用价值。     

Behavior and functional modeling methods of doubly salient electromagnetic generators for aircraft electrical power system applications

The Doubly Salient Electromagnetic Generator(DSEG) is a promising candidate in aircraft generator application due to the simplicity, robustness and reliability. However, the field windings and the armature windings are strongly coupled, which makes the inductance characteristics non-linear and too complex to model. The complex model with low precision also leads to difficulties in modeling and analysis of the entire aircraft Electrical Power System(EPS). A behavior level modeling method based on modified inductance Support Vector Machine(SVM) is proposed. The Finite Element Analysis(FEA) inductance data are modified based on the experiment results to improve the precision. A functional level modeling method based on input–output characteristics SVM is also proposed. The two modeling methods are applied to a 9 kW DSEG prototype. The steady state and transient process precision of the proposed methods are proved by comparing with the experiment results. Meanwhile, the modeling time consumption, the application time consumption and the calculation resource demand are compared. The DSEG behavior and functional modeling methods provide precious results with high efficiency, which accelerates theoretical analysis and expands the application foreground of the DSEG in the aircraft EPS.     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

A straw-soil co-composting and evaluation for plant substrate in BLSS

Material closure is important for the establishment of Bioregenerative Life Support System, and many studies have focused on transforming candidate plant residues into plant culture medium. For the limitations of using wheat straw compost as substrate for plant cultivation, a straw-soil co-composting technique was studied. The changes of pH, C/N value, germination index, cellulose, lignin and so on were monitored during the co-composting process. The maturity was evaluated by the C/N value and the germination index. The result showed that after 45 days’ fermentation, the straw-soil final co-compost with inoculation (T1) became mature, while the co-compost without inoculation (T0) was not mature. In the plant culture test, the T1 substrate could satisfy the needs for lettuce’s growth, and the edible biomass yield of lettuce averaged 74.42 g pot⁻¹ at harvest. But the lettuces in T0 substrate showed stress symptoms and have not completed the growth cycle. Moreover, the results of nitrogen (N) transformation experiment showed that about 10.0% and 3.1% N were lost during the T1 co-composting and plant cultivation, respectively, 23.5% N was absorbed by lettuce, and 63.4% N remained in the T1 substrate after cultivation.