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。     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用，其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标，基于复杂网络理论，应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型，详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系；通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱，基于节点介数的蓄意攻击效能最强；节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

轨控大干扰下的系统角动量管理

摘要： 针对利用角动量交换装置系统实现轨控期间姿态维持的情况，研究当轨控推力器存在大力矩扰动时系统角动量管理方法.结合对地运行航天器轨道运动特性，分析轨控干扰力矩的积累角动量变化规律；考虑角动量管理装置系统的角动量存贮容量，基于角动量积累规律提出了一种结合偏置角动量建立与对称分布轨控位置选择的系统角动量管理方法，实现了对称轨控位置积累角动量互相抵消的自平衡效果，极大程度地提高轨控效率且避免系统角动量饱和现象.所提出的方法适用于喷气欠驱动控制系统，方法的有效性通过了数学仿真验证及在轨型号应用.     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。      

太阳能飞机循环飞行的高度剖面能量策略

为满足设定的太阳能飞机多日连续飞行条件，依据飞行过程中当前时刻的飞行高度、光伏输出功率、动力电池组余量等系统状态参数，研究如何分配动力电池组充放电和电推进系统输入等功率。所用策略立足于实时功率平衡，充分利用正午前后的光伏峰值功率用于飞机爬升及充电，在午后下滑过程中利用全部光伏输出，以最大化利用光伏资源；在光伏有效输出不足时则以一定的维持功率下滑，使能量的综合损失最小。方法能够提高以预定夜间飞行高度连续多日续航的成功率，提升飞行高度、纬度、季节范围或搭载能力，或者拓展这几种飞行条件的组合域，优化太阳能飞机的适用性。     

高校学术管理体制与学风建设的多维思考

高校学术管理体制建设是高校管理工作的核心,是建立现代大学制度的必要因素。学风的发展与建设需要完善的学术管理体制予以保障;而加强学风建设,创建良好的学术环境对高校学术管理体制改革与创新具有推动作用。多维思考高校学术管理体制建设与学风建设,以此为研究视角,分析学术发展现状,针对当前出现的问题提出改进措施。