基于LSTM的飞行数据挖掘模型构建方法

提出了一种基于LSTM （Long Short Time Memory）模型的飞行历史数据挖掘模型的构建方法，此模型可以将飞行数据中有价值的目标数据自动提取出来。首先，通过滑动窗口法获得待检测数据；然后，将预先做好的训练样本数据输入到所构造的LSTM模型中进行训练，得到数据挖掘模型；最后，将待检测数据导入到训练好的LSTM模型中进行模式识别，将目标数据片段挖掘出来。结果表明，基于LSTM模型的飞行数据挖掘模型构建方法通用化程度高，可用于挖掘不同类型的目标数据，且识别率高，具有很高的工程应用价值。     

面向集中力扩散的回转曲面加筋拓扑优化方法

为了提高航天器回转曲面加筋型连接结构的集中力扩散效率，需要开展回转曲面加筋集中力扩散结构设计。传统放射肋设计方法普遍依赖设计经验、难以满足集中力高效扩散需求。因此，提出一种面向集中力扩散的回转曲面加筋拓扑优化方法。第1步，建立了一种基于各向异性过滤技术的集中力扩散拓扑优化方法，保证拓扑优化结果满足回转曲面加筋制造工艺要求；第2步，提出了一种基于网格变形技术的拓扑优化结果智能重构方法，可高效准确地对回转曲面加筋拓扑优化结果进行模型自动重构。基于所提出方法，以卫星平台对接环这种典型的回转曲面加筋壳为对象开展算例研究，并将优化结果与传统放射肋设计结果进行对比。结果表明，所提出的优化方法可得到加筋构型清晰、满足回转曲面加筋制造工艺要求的优化结果，且具有集中力扩散效率高、网格质量依赖性低、拓扑特征重构高效等优点。     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状，提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱，并通过主成分分析方法增强了信号的特征；参考迭代自组织数据分析的“分裂”和“合并”的思想，为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为；采用模糊C均值方法定义了隶属度矩阵和目标函数，并利用改进的人工鱼群算法，迭代搜寻了目标函数的全局最优解，得到了各故障模式的聚类中心；通过计算测试数据的最近邻聚类中心，实现了故障模式识别。结果表明，该方法无需指定聚类簇数，能在标记数据量小的情况下完成训练，较同类方法表现出了更优的故障模式识别性能。     

微小刀具同轴全息对刀方法研究

针对现有对刀方法存在的各种不足,提出了一种微小刀具的同轴全息对刀方法。在对全息成像原理和全息图像关键问题进行研究与分析的基础上,搭建了一套微细铣刀的全息对刀检测装置,并利用标准刀具在五轴加工中心进行了微细铣刀的对刀测量试验。试验结果表明:该对刀装置能够高效地进行微细铣刀的对刀检测,系统相对检测精度达5.1μm。在相同检测条件下,与高精度机外预调仪的测量结果相比,接触式对刀仪的相对误差为0.033%,而全息对刀样机的相对误差为0.007%,后者更能有效地实现微小刀具的对刀检测。该结果验证了微小刀具的同轴全息对刀方法的可行性,即全息测量可用于微细铣刀的高精度对刀。     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。     

一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点，海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈，而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式，无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB，在异构采样数据统一表达数据模型基础上，实现非结构化存储管理，同时，利用两级索引实现海量数据的快速检索。通过实验，在分布式集群实验平台上，采用海量高铁列车运行模拟数据，验证了StoreCDB具有良好的异构数据存储和检索性能，为工业互联网提供了一种新的数据管理方法。      

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题，提出基于目标存在概率（PTE）的航迹融合算法，提升了正确航迹率和跟踪精度。首先，通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后，在局部估计误差互协方差矩阵未知的条件下，基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈，提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.      

捷联式航空重力测量系统的数据处理方法比较与分析

重力数据处理对获取高精度重力异常值有着重要作用，是重力测量的核心技术。重力仪在搭载运动载体进行重力测量时，载体的高频振动对重力测量数据和GPS数据均会产生不可避免的干扰，导致提取的重力异常粗值含有大量高频噪声。围绕重力数据的处理方法这一核心技术，介绍了FIR低通滤波、零相移滤波、标准Kalman滤波、正反Kalman滤波4种滤波方法的基本原理，运用这4种方法处理了SAG捷联式重力仪的某次实际飞行测量数据，比对了基于SINS/GPS组合导航和SINS/DGPS组合导航的重力测量数据处理结果。通过对本次试验重复测线内符合精度进行比对，验证了4种方法的可行性和优劣性，同时验证了SAG重力仪的测量精度。     

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位，克服环境变化给定位带来的影响，提出了基于全局稀疏地图的视觉定位方法。首先，设计了大容量二维编码点，作为人工路标铺设在工业环境的地面；然后，基于一种四边形识别算法，在复杂工业环境中准确分割和识别二维编码点；最后，利用二维编码点提供的编码信息，鲁棒匹配图像中的特征点，并以此为基础，使用一种分参数块优化的三维重建策略，实现了工业环境的大规模地图构建，为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm，角度偏差小于0.5°，轨迹平均位移误差小于0.1%。实际应用结果表明，该方法能在复杂工业环境中实现AGV视觉的定位，定位的速度和精度方面都满足工业应用的要求，为AGV的视觉定位提供了新的思路。