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。     

基于COSMIC掩星精密定轨数据的等离子体层电子含量研究

等离子体层是日地环境重要的组成部分.本文利用COSMIC掩星精密定轨数据经处理后得到的podTec文件获取等离子体层电子含量（PEC）对等离子体层进行研究.将podTec数据进行处理后获得的PEC（pod-PEC）和IRI-Plas经验模型提供的PEC （IRI-PEC）进行对比，发现pod-PEC与IRI-PEC符合得较好.在低（0°—20°）、中（20°—50°）、高（50°—90°）修正地磁纬度带下，分析了COSMIC在太阳活动极大年（2014年）3，6，9和12月的pod-PEC，得到如下结论:PEC随着纬度升高而逐渐减少，且3，9月PEC在中低纬关于磁赤道的南北对称性较好，6月北半球各纬度带的PEC明显高于南半球同一纬度带的值，而12月情况则完全相反，南半球中纬的PEC甚至会等于北半球低纬的PEC值；PEC在白天高而晚上低，高纬地区的PEC昼夜变化不明显；PEC具有明显的季节性.对于北半球，一年中PEC最大值出现在春季，冬秋季次之，夏季最低，具有明显的年度异常现象.      

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。     

短螺旋型燃烧室旋流结构及气动边界发展规律数值模拟研究

短螺旋型燃烧室的头部轴线沿发动机周向与发动机轴线偏转一定角度,可以在保证燃烧效率不变的条件下有效缩短燃烧室轴向长度。短螺旋型燃烧室流场的最大特点是旋流流动单侧受限。为了研究头部安装角α变化对燃烧室旋流流动特性的影响,基于数值方法对短螺旋型燃烧室进行了计算分析。结果表明:随着α变化,旋流器下游旋涡依次出现对称环状、马蹄状、环状结构;随着α增加,气动边界逐渐出现并抑制旋流的周向扩张,导致流场出现不同的旋涡结构;不同α下的切向角动量随轴向距离增加而衰减,但α为35°和45°时,气动边界在非受限侧出现并对旋流产生约束,角动量衰减变慢;当α为0°,15°,35°,45°时,燃油液滴依次集中分布在旋流器下游两旋涡边缘、侧壁面和头部端壁、非受限旋涡边缘。本文研究了不同α下的旋涡结构及气动边界沿轴向的演化过程,为短螺旋型燃烧室进一步的设计与优化提供基础。     

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.      

基于工厂模式的OSLC数据集成接口设计与实现

复杂软件系统往往由不同地域的研发团队采用不同的开发工具来协同完成，研发过程中存在数据难以集成的问题.基于开放式生命周期协作服务(OSLC)规范来设计软件协同开发数据接口，有利于提高软件协同开发的效率.首次结合工厂模式和OSLC规范设计并实现数据集成接口，将不同工具的数据集成抽象成统一的公共接口，从而采用统一的数据接口和规范实现不同工具的数据集成，有利于优化软件系统体系结构.以符合OSLC规范的Bugzilla缺陷管理系统和Jenkins持续集成工具的集成为例，以面向航天软件系统研发的SunwiseAEM一体化研发管理平台为载体，基于工厂模式设计并实现了符合OSLC规范的数据集成系统，实现了不同工具间的数据集成，提供了一种通用的、可扩展的数据集成方式.     

基于趋势符号聚合近似的卫星时序数据分类方法

作为在时间序列数据挖掘中广泛使用的主要符号化表示方法，符号聚合近似（SAX）使用段的平均值作为符号表示，由于无法区分具有不同趋势但具有相同平均值符号的不同时间序列，某些情况下可能会导致错误的分类。提出了一种改进的符号表示——趋势符号聚合近似（TrSAX），集成SAX与最小二乘法，用以描述时间序列的均值和斜率，并由此构建出BOTS分类器。此外，对卫星的模拟量遥测时序数据中的角度序列、转速序列、电流序列进行分析，并从UCR公开数据集中筛选出与3种序列类似的3个数据集进行分类实验验证。与应用了SAX和2个改进的SAX、经典的欧氏距离（ED）、动态时间规整（DTW）的1-NN分类方法进行对比，结果表明:提出的BOTS分类方法的分类错误率明显低于其他5种分类方法。      

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。