事件触发机制下的充液航天器姿态控制

针对液体大幅晃动、通信资源受限的充液航天器姿态控制系统，提出一种自适应滑模控制与事件触发机制相结合的控制策略。首先，针对固-液耦合的充液航天器姿态控制系统，选用滑模变结构控制来削弱液体大幅晃动的非线性影响，并设计自适应更新律在线估计不确定参数来提高系统的鲁棒性。然后，考虑星载计算机资源的限制，设计相对阈值的事件触发机制来决定控制输入信号的更新，从而减少控制器与执行器之间的信号更新对通信网络的占用。最后，仿真结果表明，在液体大幅晃动下，所提控制策略不但可以使航天器姿态控制系统最终收敛到任意小的界内，而且可以减少96%的控制信号传输，减轻航天器的通信负载。      

基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

基于民机维修文本数据的故障诊断方法

在民航检修与维护过程中积累了大量蕴含丰富故障特征的文本维修记录，然而由于维修文本本身存在复杂性，其还未实现智能诊断，数据利用率低。提出一种不断修正迭代的基于预训练语言模型双向转换器编码表示（BERT）及轻量级梯度提升机（LightGBM）的飞机维修记录的故障原因分析方法，求解文本形式的维修记录中的故障原因，用以辅助维修人员进行正确的维修决策。首先，在基于BERT的故障诊断模型Transformer特征提取架构中引入多头注意力机制，以充分捕捉融合上下文的双向语义、更加关注于重点词汇；其次，为了提高诊断速度减少模型的参数并融合LightGBM模型来实现维修文本的故障原因分类；最后，将改进的模型与其他常用文本分析模型进行对比实验，在基于民机维修文本的故障诊断中该模型的准确率比TextCNN模型、LSTM模型和BiLSTM模型分别提升了38.99%、22.98%和18.16%，且BERT-LightGBM模型比BERT模型诊断速度提升了0.91%。表明所提方法在实现飞机维修文本故障诊断方面的有效性及优越性。     

基于民航局PEPEC考核机制的航空英语教学创新研究

为提高中国民用航空飞行人员的综合英语水平,中国民用航空局(CAAC)开发研制了基于网络的PEPEC考试系统(中国民航飞行人员英语能力测试系统,即Pilot English Proficiency Examination of China)。以PEPEC考试为切入点,深入解读PEPEC考试对航空英语的反拨效应,不仅能有效提高航空英语教学的时效性,也将积极推动应用型飞行人才的培养。     

欧洲空间科学委员会发布空间天气一体化研究报告

欧洲空间科学委员会(European Space Science Committee,ESSC)2019年8月在Journal of Space Weather and Space Climate发表关于欧洲空间天气一体化方法的评估报告。报告分析了欧洲当下应对空间天气行动存在的问题,并相应提出了协调和优化整合建议,旨在增强欧洲应对空间天气风险的能力,提升欧洲对全球行动的贡献。ESSC对欧洲应对空间天气行动的现状从六个方面进行了深入分析。(1)在空间天气的科学认知方面,亟需加强对多个空间天气耦合机制的科学理解,改善对日地耦合系统的总体描述。     

基于空间注意力机制的行人再识别方法

行人再识别是图像检索领域的一个重要部分，但是由于行人姿态各异、背景复杂等因素，导致提取到的行人特征鲁棒性和代表性不强，进而影响行人再识别的精度。在AlignedReID++算法基础上，提出了基于空间注意力机制的行人特征提取方法，应用在行人再识别中取得了很好的效果。首先，在特征提取部分，引入空间注意力机制来增强特征表达，同时抑制可能的噪声；其次，通过在卷积层中引入实例正则化层（IN）来辅助批正则化层（BN）对特征进行归一化处理，解决单一BN层对特征色调变化以及光照变化的不敏感性，提高特征提取对亮度、色调变化的鲁棒性；最后，在Market1501、DukeMTMC和CUHK03 3个行人再识别通用数据集上对所提改进模型进行测试评价。实验结果显示:改进后的模型在3个数据集上识别精度分别提升了2%、2.9%和5.1%，表明改进后的模型相较于改进前的模型，在精度以及鲁棒性上都有显著提高。      

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征；其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力；最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

一种卫星信道的反馈优化接入机制

提高卫星信道资源利用率，探索高效可行的端站接入机制是卫星通信发展亟待解决的问题之一。当前卫星通信DVB-RCS标准基于带宽预先规划的接入机制与端站随遇接入的需求矛盾凸显，因此提出一套信道反馈优化接入机制，综合考虑各端站数据业务需求，在不改变原有协议信令特征的基础上，探索性地引入谦虚度激励方法，创造性地构造动态协商反馈模型并加以求解，达到提高端站接入数量、满足随遇接入需求、提升信道利用效率、最大化整体带宽通信业务效益的目的。通过试验验证，带宽分配反馈优化机制比传统模式提高近1倍接入率，最大端站数接入时算法耗时约只有0.67s，可为卫星信道使用提供技术参考。     

前向数据接入方式对导航星座网络通信性能的影响分析

对采用时分多址轮询建链体制的导航星座星间链路网络，为了指导星间链路网络地面前向数据接入的应用，分析了不同地面前向数据接入方式的星-星-地联合数据交互机制及其对网络通信性能的影响，并结合应用代价给出了综合评价和使用建议。以前向数据最快路径接入方式和固定节点接入方式为代表，分析了星间链路网络与地面间星 星 地联合数据交互机制的特点，明确了两种方式下星间链路网络拓扑路由规划策略的制定原则。通过构建Walker 24/3/1导航星座星间链路网络数据处理模型及典型星地运行场景，对两种地面前向数据接入方式仿真分析了星间链路通信容量和传输时延等网络通信性能，比较分析了通信容量及数据拥塞规律，得出前向数据最快路径接入方式相比于固定节点接入方式在通信性能上有较明显优势的结论。最后，综合给出了两种星 星 地联合数据交互机制的应用性评价,同时给出了在通信容量较低且通信时延要求不高、但可靠性要求较高的应用条件下，可适度采用固定节点接入方式的建议。