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.     

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。     

变势能阱双稳态气动弹性能量收集的性能增强研究

提出一种新型的磁耦合变势能阱双稳态压电颤振能量收集器，设计了外部磁场作用下颤振能量收集系统的双稳态构型，并利用弹性支撑的外部磁铁的运动实现了变势能阱技术，解释了变势能阱双稳态对颤振能量收集系统的性能增强机理。建立了磁力-压电-气动弹性耦合的颤振能量收集系统的动力学分析模型，根据非线性磁偶极模型以及平衡点稳定性理论，讨论了系统出现双稳态构型的参数条件。对磁耦合双稳态颤振能量收集系统的动态特性进行了数值仿真研究，结果显示，双稳态构型能够使无磁力颤振能量收集系统的超临界颤振行为转变为亚临界颤振，发生极限环振动的风速能够降低50%以上，拓宽了能量收集器的有效工作风速范围，并分析了磁铁间距、磁偶极矩对能量收集性能的影响规律。采用弹性支撑的外部磁铁的运动来自适应调节内外部磁铁之间的距离，达到变势能阱的目的，有效地降低了双稳态的势能阱深度，使系统更容易发生双稳态势能阱间的跃迁运动，从而在双稳态的设计基础上，实现了能量收集工作风速范围和输出电功率的同步提升，为低风速下的能量收集提供了一种有效的设计途径。     

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。     

全模颤振风洞试验三索悬挂系统多体动力学分析

全模颤振风洞试验需要通过软支撑系统模拟飞行器的自由飞行状态并调整模型姿态达到配平状态。参考NASA双索悬挂方案，提出了一种两电机驱动的三索悬挂系统，利用后方两索的同向/反向联动实现模型俯仰和滚转姿态的调整，利用弹簧刚度以及钢绳张力设计实现支撑频率要求。基于柔性多体动力学方法，建立了包括飞行器刚体模型、柔性索、滑轮、弹簧、气动力模型、伺服电机控制在内的复杂系统动力学模型，其中，利用任意拉格朗日-欧拉（ALE）变长度索单元描述钢绳，利用不约束物质坐标的索结点约束描述钢绳与滑轮相互作用，利用索结点物质输运速度约束描述伺服电机绞盘，利用飞行力学的气动力模型描述吹风下的气动力。基于该模型，通过小扰动响应辨识研究了弹簧刚度、钢绳张力、连接点位置等因素对支撑频率的影响规律，并分析了系统姿态调整能力，俯仰调整范围达到-12.5°~12.5°，滚转调整范围达到-45°~45°。采用滑轮处电位计测量的钢绳相对位移作为反馈信号，基于设计的控制律利用多体动力学求解器与Simulink对风洞吹风下的姿态调整过程进行仿真，模型达到配平状态，获得了吹风下的索拉力和伺服电机功率，为系统设计提供基础。     

利用微波探测仪(ATMS)对在轨微波辐射计观测精度的模拟分析

微波辐射计的观测精度及其对数值模式同化应用的影响评估是微波辐射计观测指标设计的重要参考。基于微波探测仪(ATMS)资料,利用三维变分同化系统模拟分析在轨微波辐射计的观测精度指标。针对ATMS观测误差特征,在其观测基础上增加均值为零、标准偏差分别为0.5,1.0,1.5,2.0K的正态随机扰动,进而获得不同精度的观测模拟值序列,然后利用Harris和Kelley的辐射资料偏差订正经验方法订正不同精度的观测资料。偏差订正后,利用三维变分同化模式(WRFDA)直接同化ATMS资料。通过2016年6月6h预报场的同化试验,评估了不同观测精度的模拟资料对数值模式的同化影响。     

流场可压缩性对涡相互作用影响的数值研究

涡相互作用作为冲压发动机喷注装置的典型抽象流动现象,研究其可压缩性影响对于认识包含化学反应的真实燃料喷射场具有一定基础理论价值。基于经过数值验证的可压缩Navier-Stokes算法与压力泊松方程初始条件设置方法研究流场可压缩性对涡相互作用演化过程的影响。结果表明,以较高涡旋马赫数表征的可压缩性在改变涡对形态的同时,具有延缓涡旋相互靠近,迟滞融合进程的作用。关于涡对系统开始融合的临界条件,可压缩相互作用开始的临界展弦比与无量纲时间相比于低速涡对明显提高。为在无量纲时间意义下统一不同马赫数涡对相互作用的进程,从涡心密度随时间变化规律出发在不可压涡对特征时间的基础上,初步构建了考虑可压缩性的时间尺度修正关系。     

基于CFD/CSD耦合的叶轮机叶片失速颤振计算

为了研究叶轮机叶片的失速颤振特性,发展了一种计算流体力学与计算结构力学(CFD/CSD)时域耦合方法。该方法通过每一物理时刻CFD和CSD的循环迭代实现了耦合计算。在CFD分析中,采用鲁棒性较好的空间离散格式AUSM+-UP,并基于延迟脱体涡模型(DDES)模拟了带分离流动。在结构分析中,通过模态法构建了旋转叶片动力学方程并运用杂交多步方法进行求解。以孤立转子Rotor37为例,计算了不同工况下流场总体与细节参数,与实验结果的对比验证了CFD算法的精度。对某转子叶片进行了颤振特性研究,计算所得的广义位移时间响应曲线表明该叶片在近失速工况下会发生失速颤振,其表现形式为一阶弯曲模态发散且各阶模态之间不耦合。分析表明,流场不稳定和非定常效应是引起失速颤振的关键因素,同时折合频率的降低也会导致原本气动弹性稳定的叶片发生失速颤振。     

高速颤振模型设计中颤振主要模态的判断

颤振模型设计时难以实现完全的动力学相似,需要对颤振主要模态进行合理选择。采用数值分析方法,对颤振模型设计时主要模态的选取问题进行研究。通过各阶模态振型下气动刚度系数的比较、指定运动形式下广义非定常气动力的计算和不同模态截断下颤振结果的收敛特性分析,研究了颤振分析时不同模态运动之间的相互影响,对模态运动引起的气动力和颤振特性变化进行评估。以高超翼面模型为研究对象的数值算例结果表明,几种分析方法所判断的颤振主要模态基本一致。其中基于振型的广义气动刚度系数参数,避免了非定常气动力的计算,可作为颤振模型设计或颤振分析时主要模态选取的快速判断方法。     

蜂窝夹层板撞击实验数据中的野值判别

基于超高速撞击物理实验数据对蜂窝夹层板撞击极限方程进行修正是获得高可信度新方程的一种常用方法,为了提高物理实验数据的可靠性,以国外131个碳纤维复合材料(CFRP)面板的蜂窝夹层板实验数据为对象,进行野值判别方法研究,发现该批数据中存在1个野值。将该野值剔除并基于剩余的130个数据重新进行方程修正后,新方程的总体预测率和安全预测率分别达到82.3%和93.1%,其绝对误差平方和、相对误差平方和分别为0.010、0.506,相对于剔除野值前的修正方程有所改善,表明实验数据野值判别方法可行、有效。为考核方法的适用性,对铝合金面板的蜂窝夹层板的实验数据也进行野值判别分析,结果显示该方法可合理识别野值。