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。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。     

一种开关磁阻电机无位置传感器控制效率优化策略

针对开关磁阻电机(SRM)的简化磁链法只能实现单相导通运行且导通区间固定的缺点,提出了一种结合固定关断角和自适应调节开通角的无位置传感器控制技术。利用曲线拟合关断位置磁链取代传统存储数据表,通过对比实时计算的动态磁链和曲线拟合的静态磁链,确定关断位置信号并估计转速和其他位置。考虑电机阻抗和电感的非线性特点,优化电感最小区域的开通角自调节模型确定导通区间。仿真结果验证了该方案的可行性和正确性,能够实现转子位置的间接检测,电机的运行效率得到进一步优化。     

基于磁链辨识的无轴承薄片电机轴向振动抑制策略

为了进一步提高BPMSM的悬浮性能,提出了一种基于磁链辨识的BPMSM轴向振动抑制策略,通过转子磁链的变化来估测转子轴向偏移量,然后将轴向偏移量转化为d轴电流分量参考值i*d,通过对i*d的调节来改善薄片转子的轴向恢复力,实现对轴向振动的有效抑制,从而有效改善电机的悬浮性能。试验结果表明:所提出的轴向振动抑制策略能够对薄片转子轴向振动进行有效抑制,提高系统的抗干扰能力,系统的运行性能得到了有效改善。     

基于出行链的电动汽车充电行为影响因素分析

随着电动汽车的快速发展，大规模电动汽车充电将给电力系统规划和运行带来不可忽视的影响，研究电动汽车的充电行为及其影响因素，并实时预测潜在的充电行为越发迫切。基于北京市私家电动汽车的历史车联网数据，引入出行链的概念，综合电动汽车充电过程和放电过程的数据，从实际出发考虑影响电动汽车充电行为的多种潜在因素，并通过logistic回归模型分析确定了显著影响充电行为的因素。分别基于单一和多个显著影响因素建立电动汽车充电行为的预测模型，预测结果表明，基于多个显著影响因素的模型准确率更高，且对晴天的预测效果更好。研究成果将有助于优化电动汽车的充电行为，进而提高电动汽车的充电效率。      

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

含氟聚醚醚酮改性环氧树脂形状记忆性质的动态热力学机理研究

使用动态力学分析仪(DMA)、扫描电子显微镜(SEM)对具有形状记忆的含氟聚醚醚酮(6F-PEEK)改性环氧树脂的动态热力学行为和组分之间的相分离形貌进行了研究.动态力学-温度谱图表明,在130℃和223℃存在两个内耗峰,分别对应6F-PEEK和环氧树脂的玻璃化转变温度.具有较低玻璃化转变温度的6F-PEEK充当可逆相,具有较高玻璃化转变温度的环氧树脂充当固定相.材料在变形时,6F-PEEK的能量变化主要是熵的变化,而环氧树脂主要是内聚能的变化.熵值增大和内聚能的释放是材料完成形状记忆过程的驱动力.随6F-PEEK含量的增加,动态力学-温度谱图上的内耗峰的强度增加,表明在变形温度下有更多的6F-PEEK分子链段发生运动,材料的弯曲变形幅度增大.     

基于Markov链的FSM容软错误设计

随着深亚微米工艺的广泛应用,持续攀升的软错误率对宇航设备的电路可靠性造成了极大影响.针对现有冗余防护技术面积开销大的不足,将慨率统计的思想运用到有限状态机(FSM)的软容错设计上,提出了选择部分状态冗余的容错方法.在Markov链模型的基础上,计算出各状态概率,从而为状态冗余提供依据.与未经选择状态冗余的电路相比,以平均增加14.9%的面积开销为代价,这种电路可屏蔽87.6%的时序逻辑单翻转(SEU).     

卫星导航系统星座可用性分析

星座可用性指标是在用户层面上反映星座工作状态的重要指标.随着卫星在轨运行时间的增加,卫星的可靠性会不断降低,星座可用性也会随之下降.在考虑卫星故障概率的条件下,本文提出综合运用贝叶斯网和马尔科夫链进行星座可用性分析的方法,剖析了导航星座中卫星故障与导航应用服务中断之间的相互关系,简化了星座可用性的建模过程.结合中断分析数据,量化评估了星座可用性,并利用灵敏度分析找出星座薄弱环节.该方法可为导航星座设计方案优化权衡提供量化依据.     

基于UGF-GO法的EWIS退化系统可靠性分析

针对飞机电气线路互联系统（EWIS）差异性大、随时间退化严重、可靠性建模困难等问题，将通用生成函数（UGF）和GO法融合，提出了基于UGF-GO法的EWIS退化可靠性分析方法。首先，考虑EWIS各连接部件使用性能及环境的差异性，利用含随机参数的Wiener退化过程模型建立部件可靠性仿真模型，采用马尔可夫链蒙特卡罗（MCMC）算法对模型中的未知参数进行估计，并与传统二步法参数估计值进行对比，得到较为精确的系统部件退化可靠性曲线。其次，在分析系统退化可靠性时，利用UGF-GO法对某飞机EWIS结构可靠性进行建模及计算。最后，以某飞机电气线路互联系统为例，结合部件退化可靠性计算结果，评估系统在不同给定阈值下可靠性水平。结果表明:UGF-GO法可有效解决系统退化状态的可靠性分析问题。