基于平流层风场预测的浮空器轨迹控制

平流层风场环境对浮空器设计和轨迹控制具有重要影响。针对平流层风场建模,以长沙地区2005—2010年的风场数据为例,首先采用本征正交分解（POD）方法对风场数据进行降阶处理;然后分别采用Fourier级数与BP神经网络算法对平流层风场进行预测,并对2种模型的预测精度进行比较分析;最后通过建立临近空间浮空器的动力学模型和高度调控模型,分析2种风场预测模型对浮空器轨迹控制的影响。研究结果表明,相对于Fourier预测模型,基于BP神经网络预测模型的预测精度更高,可信度更强,能够更好地为浮空器飞行轨迹控制提供参考价值。      

基于PSO-BP神经网络的平流层风场短期快速预测

平流层风场环境对临近空间低速飞行器驻空飞行性能有重要影响。研究了基于PSO-BP神经网络的平流层区域风场建模与快速预测方法,根据历史风场数据,采用主成分分析法对数据进行降维处理,通过BP神经网络对风场进行预测建模,利用粒子群优化（PSO）算法对其进行优化,采用Biharmonic样条曲面插值方法构建区域预测风场。以南海地区5年历史风场为对象,对比分析了基于BP神经网络和基于PSO-BP神经网络的风场预测模型,结果表明:使用具有全局寻优特性的PSO算法改进BP神经网络,能够有效避免传统BP神经网络易陷入局部最优的缺点,提高预测精度;通过结合PSO-BP神经网络预测与Biharmonic样条曲面插值,可实现区域风场的预测。研究结果可为临近空间低速飞行器的轨迹规划与区域驻留等任务的高精度区域快速预报风场提供解决途径。      

一种基于地转风模型的平流层风场插值方法

平流层风场水平分量的数据精度和密度对高空气球实验的轨迹预测精度和飞行控制精度有着直接的影响。面向平流层风场，提出一种基于地转风模型的插值方法。该方法通过改进科里奥利频率公式，并用二维卷积计算地转风模型，提升了地转风模型的计算效率和低纬度地区风场精度，再用迭代二元线性回归和改进的自适应观测场偏差权重矩阵减小了观测误差对插值结果的影响。实验结果表明:所提插值方法能有效提升平流层风场插值计算速度，并对平流层风场水平分量的插值精度有显著提升。      

基于降阶模型的翼型结冰冰形预测方法

翼型结冰冰形的数值模拟预测通常比较复杂耗时,为了更加快速准确地预测冰形以减少计算资源消耗,建立了基于本征正交分解（POD）和Kriging模型的冰形快速预测方法。利用CFD数值模拟结果来构建样本空间,以飞行迎角为例详述了降阶模型的冰形预测的实现手段,并结合试验设计方法,完成了多参数的结冰冰形快速预测,同时研究了先进的Blind-Kriging模型的相关方法以及对于预测结果的改进。结果表明,降阶模型预测翼型结冰冰形与CFD数值模拟结果吻合较好,表明降阶模型可以快速、精确地应用于翼型结冰冰形预测。      

卷积自编码器在非定常可压缩流动降阶模型中的适用性

为有效降低使用计算流体力学(CFD)方法的设计成本和周期，降阶模型(ROM)得到广泛关注。对于复杂的可压缩流动，使用本征正交分解(POD)等线性方法进行流场降维，需要大量模态才能保证流场重建的精度，采用非线性降维方法能够有效减少所需模态数。卷积自编码器(CAE)是一种由编码器和解码器组成的神经网络，能够实现数据降维和重构，可看作是POD方法的非线性拓展。采用CAE进行流场数据的非线性降维，同时使用长短期记忆(LSTM)神经网络进行流场状态的时间演化。对于不可压缩问题，使用自编码器和LSTM结合进行流场重构的方法已有较多研究，选择一维Sod激波管、Shu-Osher问题、二维黎曼问题和开尔文-亥姆霍兹不稳定性算例，测试该ROM对非定常可压缩流动的有效性，同时基于POD方法，在不同模态数下构造Sod激波管和黎曼问题的ROM作为对比。结果表明：对于非定常可压缩流动，CAE-LSTM方法能够在使用较少自由变量数的前提下获得较高的重构和预测精度。     

基于深度强化学习的平流层浮空器高度控制

为研究基于深度强化学习的平流层浮空器高度控制问题。建立平流层浮空器动力学模型，提出一种基于深度Q网络（DQN）算法的平流层浮空器高度控制方法，以平流层浮空器当前速度、位置、高度差作为智能体的观察状态，副气囊鼓风机开合时间作为智能体的输出动作，平流层浮空器非线性动力学模型与扰动风场作为智能体的学习环境。所提方法将平流层浮空器的高度控制问题转换为未知转移概率下连续状态、连续动作的强化学习过程，兼顾随机风场扰动与速度变化约束，实现稳定的变高度控制。仿真结果表明：考虑风场环境对浮空器影响下，DQN算法控制器可以很好的实现变高度的跟踪控制，最大稳态误差约为10 m，与传统比例积分微分（PID）控制器对比，其控制效果和鲁棒性更优。     

时间序列法在临近空间大气风场预报中的应用

受多种因素影响,临近空间大气环境要素复杂多变,预报难度很大.本文采用时间序列法中的自回归滑动平均（ARMA）模型对临近空间大气风场开展统计预报方法研究,基于廊坊（39.4°N,116.7°W）中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据,利用过去7天数据对未来第8天风场数据进行预报.试验结果显示,ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强,即样本数据风场呈现出比较显著的24h周期性变化时,ARMA模型预报效果较好;当风场发生突变时,预报效果变差.与实测数据的对比结果表明,ARMA模型预报结果的误差在9~27m·s-1,预报效果优于同阶自回归（AR）模型,略优于高阶AR模型.      

基于树模型机器学习方法的GNSS-R海面风速反演

GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6m·s-1,GBDT等算法的预测误差约为2m·s-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中.      

卫星微振动液阻隔振器建模与试验研究

卫星微振动隔振器建模是进一步整星振动仿真、优化和控制的基础。针对五参数分数阶导数模型无法描述液体阻尼式卫星隔振器幅变特性的缺点,根据试验数据,分别对各位移振幅激励下的隔振器的动特性曲线进行参数识别,根据参数识别结果,对五参数分数阶导数模型进行幅值相关性修正,引入幅变因子。由仿真结果与试验结果的对比可知,引入了幅变因子的分数阶导数模型可以很好地预测隔振器的幅变特性。在提出的改进型分数阶导数模型的基础上,进行了模型参数影响分析。所提出的建模方法可为微振动隔振器的设计和分析提供参考。      

基于混合Gramian的柔性航天器保结构平衡降阶

对于柔性航天器动力学方程的降阶问题,传统的内平衡降阶方法破坏了原方程的动力学结构.为了解决这一问题,提出了一种牺牲严格内平衡状态,而保留原系统动力学特性的近似内平衡降阶方法.该方法利用混合Gramian描述系统的模态价值,针对柔性航天器动力学方程的特殊形式,给出了混合Gramian的闭合解析解.该方法得到的降阶模型可以保留原系统包括二阶结构,对称和正定性在内的所有动力学特性.数值算例表明该方法不但可以达到与传统一阶内平衡方法相当的降阶精度,而且降阶速度有大幅度提升.      

基于BP神经网络X频段调制器故障预测

本文采用BP神经网络对X频段调制器的故障预测进行研究,通过仿真软件编程构建BP神经网络故障预测模型,验证X频段调制器输出功率指标的精确性,根据测试结果表明建立的BP神经网络故障模型预测误差很小,能够较准确对X频段调制器的输出功率故障进行预测。     

结合多体动力学先验知识与核方法的位标器性能预测技术

位标器的性能与特征参数之间存在着非常复杂的非线性映射关系,且由于装调工艺复杂,测量手段昂贵,位标器实际测量数据较少。如何在小数据的情况下实现对位标器性能的精确求解,是准确预测位标器装调性能的关键。提出一种结合陀螺动力学先验知识和核方法的位标器装配性能预测方法(A-LPSVR)。通过构建陀螺Adams动力学模型以缩小解空间范围。使用仿真性能值和真实装调性能值的差值训练支持向量回归模型,得到最终的位标器性能预测模型。实验结果表明该方法所构建的模型预测准确性与泛化性能要优于现有模型,能够在测量数据稀缺情况下实现位标器陀螺仪性能的精确预测。     

结合FMECA可靠性预计法

任何元器件的故障是以一定的故障模式表现出来的。当一个元器件以不同的故障模式发生故障时,设备产生的后果是不同的。结合FMECA(故障模式、影响及危害度分析)深入分析了故障模式的影响及其危害度,以提高可靠性预计的精度。 建立了结合FMECA可靠性预计模型。可预计产品的任务可靠度和致命故障间隔的任务时间。为便于推广,编制了相应的计算机程序并进行了实例运算。还对结合FMECA可靠性预计法和常规可靠性预计法进行了比较。     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

Improving orbit prediction accuracy through supervised machine learning

Due to the lack of information such as the space environment condition and resident space objects’ (RSOs’) body characteristics, current orbit predictions that are solely grounded on physics-based models may fail to achieve required accuracy for collision avoidance and have led to satellite collisions already. This paper presents a methodology to predict RSOs’ trajectories with higher accuracy than that of the current methods. Inspired by the machine learning (ML) theory through which the models are learned based on large amounts of observed data and the prediction is conducted without explicitly modeling space objects and space environment, the proposed ML approach integrates physics-based orbit prediction algorithms with a learning-based process that focuses on reducing the prediction errors. Using a simulation-based space catalog environment as the test bed, the paper demonstrates three types of generalization capability for the proposed ML approach: (1) the ML model can be used to improve the same RSO’s orbit information that is not available during the learning process but shares the same time interval as the training data; (2) the ML model can be used to improve predictions of the same RSO at future epochs; and (3) the ML model based on a RSO can be applied to other RSOs that share some common features.     

面向装备RUL预测的平行仿真技术

装备平行仿真是系统建模与仿真领域的新兴仿真技术,已经成为研究热点。在装备维修保障领域中,分析了装备剩余寿命（RUL）预测存在的突出问题,即模型参数固定、不具备自适应演化能力,成为阻碍实现装备剩余寿命自适应预测的首要因素。结合装备平行仿真理论,在建模分析的基础上提出了面向装备剩余寿命预测的平行仿真框架,该框架以Wiener状态空间模型为基础仿真模型,在动态注入的装备退化观测数据驱动下,利用期望最大化（EM）算法在线更新模型参数,并利用卡尔曼滤波（KF）算法实现仿真输出数据与观测数据的同化（DA）,从而实现仿真模型动态演化,使得仿真输出不断逼近装备真实退化状态,为准确预测剩余寿命提供高逼真度仿真模型和数据输出。以某轴承性能退化数据为数据驱动源,对该框架进行了验证,仿真结果表明平行仿真方法能准确仿真装备性能退化过程,在提高预测精度的基础上实现了装备剩余寿命的自适应预测,有力证明了平行仿真方法的可行性和有效性。