基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法，对空间翻滚目标的运动状态预测问题进行研究，为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设，需要连续的视觉反馈信息，解决目标预测问题的能力有限。因此，本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据，通过连续优化真实观测数据，得到稀疏的伪训练数据集，进而在线快速预测目标的运动状态，预测的计算效率达到毫秒级。此外，利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程，克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性，并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。     

模块化永磁直线游标电机等效磁网络及漏磁分析

在模块化永磁直线游标电机的初始设计及优化设计中,使用有限元方法(FEM)计算漏磁系数时需要耗费大量的建模和计算时间。针对这一问题,建立该种电机的等效磁网络模型,在建模期间,考虑气隙中的边缘效应,并计算永磁体组与定子齿在不同相对位置时的等效磁导,得到该种电机在一个周期内不同相对位置时的漏磁磁导和漏磁系数的数学解析表达式。采用FEM验证了该数学解析表达式的准确性。研究结果为模块化永磁直线游标电机的设计提供了理论依据。     

Review and propositions for the sliding/impact wear behavior in a contact interface

A thermal-solid-liquid complex operational environment induces structural interface developing a typical coupling sliding/impact wear behavior. It results in contact damage until systems fail, which may cause significant economic losses and catastrophic consequences. The key point of solving this problem is to reveal the coupling damage mechanism of the sliding/impact behavior in typical systems and life characterization under a complicate evolving environment. This has been a hot topic in the area of mechanical reliability. The main work in this paper can be concluded as follows. Firstly, the main industries in which the “sliding/impact behavior” takes place have been introduced. Then, existing studies on the wear mechanism and degree analysis are presented, which includes surface morphology analysis, wear debris analysis, and wear degree measurement. Meanwhile, existing problems in theoretical modeling and experiments in current research are summarized, so as to point out a bright direction for future research on wear prediction. They include interface contact modeling, mathematic coupling mechanism modeling, wear equation establishment, and wear life characterization, which can provide some new ideas for improving the existing studies on the sliding/impact wear behavior.     

基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化

以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为［0.075,0.105］,所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1600r/min)下,排气口最优高度增加趋势更加明显。      

Modeling irregular small bodies gravity field via extreme learning machines and Bayesian optimization

Close proximity operations around small bodies are extremely challenging due to their uncertain dynamical environment. Autonomous guidance and navigation around small bodies require fast and accurate modeling of the gravitational field for potential on-board computation. In this paper, we investigate a model-based, data-driven approach to compute and predict the gravitational acceleration around irregular small bodies. More specifically, we employ Extreme Learning Machine (ELM) theories to design, train and validate Single-Layer Feedforward Networks (SLFN) capable of learning the relationship between the spacecraft position and the gravitational acceleration. ELM-base neural networks are trained without iterative tuning therefore dramatically reducing the training time. Analysis of performance in constant density models for asteroid 25143 Itokawa and comet 67/P Churyumov-Gerasimenko show that ELM-based SLFN are able learn the desired functional relationship both globally and in selected localized areas near the surface. The latter results in a robust neural algorithm for on-board, real-time calculation of the gravity field needed for guidance and control in close-proximity operations near the asteroid surface.     

基于PSO-ELM的军用飞机维修保障系统效能评估研究

维修保障系统效能评估是军用飞机精细化、规范化管理的一项重要措施,科学的维修保障系统效能评估是精细化保障的基础,是提升战斗力的保证。针对军用飞机的维修保障系统效能评估问题,在总结军用飞机维修保障系统效能评估体系的基础上,提出基于粒子群优化极限学习机算法(PSO-ELM)的维修保障系统效能评估模型;并通过实例进行验证。结果表明:该算法应用于军用飞机维修保障系统的效能评估是可行的,可为军用飞机维修保障效能评估提供借鉴。     

基于效用价值驱动的旅客出行动力学研究与建模

为了探究交通体系中旅客出行行为的特征与机理，以某机场离港旅客的陆侧出行数据为研究对象，对旅客出行模式进行了统计。分析发现，旅客聚集行为具有强烈的阵发性，不同出行维度旅客群体的聚集时间间隔分布具有幂律特征，且幂指数和阵发性强度呈正相关关系。同时，研究认为旅客出行换乘决策是综合时间、费用、便捷舒适度、突发情况等多因素的期望实现，是一种基于效用价值驱动的人类行为。基于此构建了效用价值驱动模式下的旅客出行行为动力学模型，可输出幂指数为参数可调的幂律分布，且仿真输出和实证数据分析结果相吻合。     

云制造环境下机床装备资源选择方法

针对云制造环境下机床装备资源具有数量大、异质异构、服务制约因素多等问题，提出了基于多准则决策的机床装备资源选择方法。首先，利用本体论对机床装备资源建模，将物理资源虚拟化封装，实现虚拟资源与物理资源的逻辑映射。进一步地，使用语言变量量化决策者评估信息，采用模糊决策与试验评价实验室（FDEMATEL）和熵值法（EW）相结合的组合赋权法，引入模糊VIKOR（FVIKOR）多属性决策方法对机床装备资源进行综合评估，建立FDEMATEL-EW-FVIKOR的多准则混合决策模型。最后，将该方法应用于某生产制造企业，实验对比决策结果验证了多准则混合决策模型的可行性和有效性。     

基于视觉注意力分配的飞机驾驶舱人机界面布局优化

以优化飞机驾驶舱人机界面布局设计为目的,提出了一种基于飞行员视觉注意力分配的布局优化模型。首先分析了计算机辅助三维交互应用软件(Computer aided three-dimensional interactive application,CATIA)中的可视域分析模块,给出不同视野区域的可视性等级,并对驾驶舱人机界面所在的视野范围进行栅格化处理;然后用G1法分析人机界面上各个设备的重要程度,并给予定量赋值;最后建立以飞机驾驶舱人机界面布局的视觉注意分配达到最优为目标函数的优化模型,并引入带有惯性权重的粒子群算法进行模型的求解。利用飞机模拟驾驶舱的人机界面布局为例,进行模型验证,结果表明该模型具有一定的可行性。     

机载托架自动校准系统的设计与实现

为了解决机载托架传统校准方法精度低、耗时、费力等问题,设计了一种高精度、高效率并且操作简单的成品托架自动校准系统。该系统运用调平精度较高的"循环多次"最高点不动调平方法,建立高精度机载托架校准的静力学数学模型,运用VC与Matlab的COM接口编程技术开发机载托架自动校准系统,并建立良好的人机交互界面。试验结果表明,利用该方法对机载托架进行校准,无论是校准精度还是校准效率都较传统方法有很大提高。