基于神经网络的加工误差智能预测技术

通过理论和实验分析了造成加工误差的主要原因，找出并有效地提取体现加工误差原因的加工参数及加工状态特征，如切削用量、刀具直径、顺／逆铣、主轴电流和振动信号等，从而建立加工状态特征与加工误差之间的关系模型。同时叙述了针对ＨＵＲＣＯＢＭＣ－２０Ｌ镗铣加工中心建立的加工尺寸智能预测实验系统，采用多传感器信息融合技术，建立了基于ＲＢＦ神经网络的加工误差智能预测模型。并通过实验验证了此方法的可行性、有效性。     

基于双树复小波分解的云量时间序列模型预测

针对传统云量预测模型应用于高分辨率卫星影像云量时间序列数据时存在的实用性差、拟合效果差及预测结果准确度低的问题,提出了一种基于双树复小波分解的云量时间序列组合模型预测方法。该方法利用DT-CWT分解的方法提取出云量时间序列的低频趋势信息和高频随机信息,对低频和高频序列分别应用时间序列分析与Elman神经网络的预测方法,然后将两个序列的预测结果重构得到最终的云量预测结果。实验结果表明,应用双树复小波分解的低频信息可以更好的反应云量变化趋势,高频信息也可以更好的保留云量变化的随机信息。该方法预测结果的平均绝对误差和均方根误差相比传统预测模型均有所减小,预测准确度有所提高,能够更好的拟合高分辨率卫星云量时间序列的变化规律。在卫星成像任务规划时将云量预测的结果作为参考信息,选择云量覆盖较小的时间窗口,可以获取更高品质的卫星有效成像数据。     

电子对抗事件建模方法在危机预测中的应用

提出了一种用于危机预测的电子对抗事件建模方法,该方法主要使用电子目标参数特征、行为特征和环境特征进行危机事件建模.利用事件模型和电子侦察数据进行事件情报处理,能够有效提高电抗情报处理水平和危机预测能力,实现电抗情报从数据层向认识层的提升.通过仿真数据实现了危机事件预测,验证了该方法的有效性.     

基于新息灰预测的卫星遥测参数状态预测及应用

<正>确的预测是进行科学决策的依据。在航天测控领域中对卫星状态的准确预测是正确发布指令的重要依据,而卫星遥测参数趋势预测是状态预测的前提。根据卫星遥测数据特定的相似性,利用相似性原理和新陈代谢原理,充分利用最新的遥测信息,建立适用于卫星遥测数据的新息灰预测模型。通过工程数据仿真计算,验证该方法的正确性和可靠性。     

基于数据抖颤的风电机组变桨故障预测

本文基于某风场的海量录播数据,通过实验发现在发生电气类故障前数据具有抖颤特征,选择特征显著的电机转速进行深入研究。首先,利用判断采样数据点之间锐角,并记录转折点,通过转折点距离不同,处理故障发生前15分钟的原始录播数据,提取反映故障信息的特征值。然后,利用滚动时间窗口研究变桨故障预测方法。最后,通过实验验证基于数据抖颤方法能够提前6-12分钟预测出风电机组即将发生变桨故障,为风机即将发生致命故障提供预测依据。     

基于FIG-SVR的姿控发动机推力校准斜率预测

为了对某型号姿控发动机高空模拟试验推力现场校准斜率进行趋势预测,提出了一种模糊信息粒化(fuzzy information granulation,FIG)和支持向量回归机(support vector regression,SVR)相结合的时间序列预测方法。借助模糊信息粒化方法将推力现场校准的斜率映射为包含区间最小值Low、中值R和最大值Up 3个参数的模糊信息粒,以降低样本的维数,并以其为输入构建SVR回归模型。预测结果表明,基于模糊信息粒化SVR确定的预测区间较好地反映了推力现场校准斜率的变化趋势。     

机器人铣削加工动态变形误差预测与在线感知

航天舱段零件的机器人铣削加工中,强激励铣削力作用下的动态加工变形是影响加工精度的重要因素,复杂工况下动态误差的离线理论预测难以准确反映实际变形误差。为此,考虑加工过程中复杂工况下不确定性因素对动态变形误差的影响,本文提出了融合在线测量位姿、力数据的动态误差预测方法。首先,建立动态变形误差理论预测模型,引入加工误差预测偏差项;其次,结合有限实验数据对预测偏差的影响因素进行主成分分析(PCA),提取信息贡献率大的主成分作为特征向量,利用支持向量机(SVM)建立预测偏差关于特征向量的动态误差预测回归模型;最后,构建基于机器人关节位置和切削力测量数据的加工动态误差预测模型,实现动态误差在线感知,为加工精度控制提供数据基础。     

基于二维独立均匀分布对抗自编码的模式识别研究

标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。     

“嫦娥一号”卫星观测近月太阳风离子特征

"嫦娥一号"卫星的太阳风离子探测器(SWIDs)的科学目标是研究太阳风与月球的相互作用以及相应的近月空间等离子体环境。文章利用"嫦娥一号"卫星SWIDs探测器在2007年12月30日的观测数据对近月太阳风等离子体环境,包括向阳侧太阳风离子、"拾起"离子以及在月球尾迹边界处的太阳风离子的特征进行分析,得到以下主要观测结果:1)在慢速太阳风中观测到双峰结构,分别为太阳风中的氢离子和二价氦离子;2)在行星际磁场具有明显昏向(+By)分量期间,在月球向阳侧持续观测到有月表散射或反射后被拾起的太阳风离子;3)与入射的太阳风离子不同,这些拾起的太阳风离子具有明显的角度分布特征;4)在行星际磁场昏向(晨向)期间,太阳风中的氢离子在月球尾迹北半球的边界处呈现减速(加速)特征并进入尾迹;而并未发现氦离子进入尾迹的特征。"嫦娥一号"卫星的这些观测数据对于认识近月空间等离子体环境有着重要的意义。     

基于RVM的液体火箭发动机试验台故障预测方法

液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题,通过预测相关参数在试验台运行过程中的变化趋势,可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模,提出了一种相关向量机(relevancevector machine,RVM)故障预测模型。在模型的训练阶段,根据数据序列的特征,分别采用单参量、相空间重构和多参量的方法进行了模型的训练,然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明,该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。     

利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

近年来,基于深度学习技术的长短期记忆(long short-term memory,LSTM)网络相关预报算法在空间天气的预测方面得到广泛应用,但存在预测误差随时间堆叠的缺陷,因此只能进行有限的短期预测.为解决这一问题,文章将太阳风参数、太阳黑子数、地磁活动水平指数Ap以及磁暴环电流指数Dst作为预报因子加入模型,建立...     

一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

一种LSTM模型预测BC值的空间碎片无控再入预报方法

提出一种利用长短周期记忆(LSTM)神经网络模型动态预测无控再入过程中弹道系数(BC)值实现空间碎片高精度再入时刻预报。通过利用空间碎片两行根数(TLE)、简化通用摄动模型(SGP4)与公开的物体陨落时间作为实测数据样本,利用迭代修正BC值方法构建预测模型的训练集,由此构造用于预测BC值的LSTM模型预测BC,再采用高精度轨道外推动力学模型配合预测BC值预报再入时刻,结果表明基于LSTM模型预测BC的空间碎片再入时刻预报方法是可行的,在95%的置信度内,90天以上的再入时刻预报精度小于10%,30天预报精度小于8%。     

基于最小二乘法的热试验温度数据预测

航天器真空热试验中,温度数据的正确判读及预测十分困难,又十分重要。文章针对典型的太阳电池板试件建立了热模型,使用热分析中常见的有限差分法建立离散方程,通过最小二乘法拟合其系数,以预测下一个测控周期各个测量点的温度,并提出了滑动窗口修正的方法。基于某型号电池板试验数据对热模型的预测精度进行了验证和误差分析,最后对通过测点温度逆向预测加热功率的应用进行了讨论。     

太阳电池在平流层中的工作性能分析

近年来,临近空间受到广泛关注,多种平流层飞行器被提出,它们大多以太阳电池为 主要的能源获取装置。研究平流层的太阳电池的性能,对平流层的开发和利用具有重要意义 。首先建立了平流层中太阳电池的热环境模型,并结合硅太阳电池的电学模型,得到了 平流层中硅太阳电池的热电耦合分析模型,进而用数值模拟方法对太阳能电池的热学、电学 性能进行了分析和讨论。研究结果表明,平流层热环境的变化对太阳能电池的温度、输出功 率以及电效率都有影响。讨论了风速对太阳电池性能的影响,结果表明随着风速的增 加,太阳电池温度降低、内部温差先增加后减小、发电效率和输出功率都增加。
     

预估太阳电池阵在轨最高温度的经验公式

针对距地高度为300～1000 km的太阳同步轨道,分析了一维转动展开式太阳电池阵的温度影响因素,给出了计算太阳电池阵最高温度的经验公式。此公式同样适用于低地球轨道的卫星,且计算结果可包络卫星热控状态变化带来的影响,在太阳电池阵设计阶段可为电源分系统提供太阳电池阵最高温度的初步数据。     

基于LSTM-ResNet模型的时变结构损伤检测

面向火箭结构健康监测,提出了一种基于深度学习的损伤检测方法,直接将多个通道的振动数据作为输入,并基于由长短时记忆网络LSTM(Long Short-Term Memory Networks)和残差卷积神经网络ResNet(Residual Convolutional Neural Networks)组合而成的LSTM-ResNet网络进行损伤识别。其优点在于,首先利用LSTM提取信号的时间依赖特征,减轻了由某些通道信号缺失带来的影响,再利用ResNet在不损耗特征的情况下进一步提取空间特征,提高了训练效率和损伤辨识准确性。通过充液圆筒振动放水实验模拟火箭飞行状态下的燃料消耗,并基于自主构建的数据集和公用数据集对LSTM-ResNet、LSTM、ResNet以及ResNet-LSTM网络进行了训练,训练结果表明,LSTM-ResNet组合网络无论在传感器是否存在故障的情况下都具有更好的性能,损伤检测精度更高。     

一种GPS定位信息可用性的实时判定方法

基于GPS接收机输出数据,采用3级AR模型来预测下一时刻的GPS输出值,并与实际的输出值相比较,以一定的检测门限,判断当前时刻定位信息的可用性。通过仿真证明该方法的有效性,为GPS的可用性判定提供了一种方法。     

Solar cycle variation of “killer” electrons at geosynchronous orbit and electron flux correlation with the solar wind parameters and ULF waves intensity

To construct models for hazard prediction from radiation belt particles to satellite electronics, one should know temporal behavior of the particle fluxes. We analyzed 11-year variation in relativistic electron flux (E>2 MeV) at geosynchronous orbit using measurements made by GOES satellites during the 23rd sunspot cycle. As it is believed that electron flux enhancements are connected with the high-speed solar wind streams and ULF or/and VLF activity in the magnetosphere, we studied also solar cycle changes in rank order cross-correlation of the outer radiation belt electron flux with the solar wind speed and both interplanetary and on-ground wave intensity. Data from magnetometers and plasma sensors onboard the spacecraft ACE and WIND, as well as magnetic measurements at two mid-latitude diametrically opposite INTERMAGNET observatories were used. Results obtained show that average value of relativistic electron flux at the decay and minimum phases of solar activity is one order higher than the flux during maximum sunspot activity. Of all solar wind parameters, only solar wind speed variation has significant correlation with changes in relativistic electron flux, taking the lead over the latter by 2 days. Variations in ULF amplitude advance changes in electron flux by 3 days. Results of the above study may be of interest for model makers developing forecast algorithms.     

Interplanetary scintillations of an ensemble of radio sources during the solar activity minimum of cycles 23/24

The results of observations of interplanetary scintillations of a statistical ensemble of radio sources in the period of 2007–2011 are presented. Observation were carried out in the monitoring regime with the BSA LPI radio telescope at the frequency 111 MHz. Fluctuations of radio emission flux of all sources (a few hundred in total) were recorded 24 hours a day. Those sources were investigated, which had a scintillating flux greater than 0.2 Jy and fell within the sky band of 8° width in declination, corresponding to radio telescope’s 16-beam system. The statistical ensemble of radio sources is characterized by the mean variance of a scintillating radiation flux, which is proportional to the squared scintillation index. It follows from the obtained data that the radial dependence of a mean scintillation index during a deep solar activity minimum of 2008–2009 occurs to be weaker than one could expect in the case of spherically symmetric geometry of the solar wind. Suppression of a radial dependence of the mean scintillation index is explained by the effect of the heliospheric current sheet, which reveals itself in a high density of solar wind’s turbulent plasma in the helioequator plane. It is shown that the level of scintillations, averaged over monthly series of observations, was changing synchronously with the solar activity level.