木星环绕探测任务中的内带电风险评估

木星拥有类似地球辐射带的辐射带结构,其辐射带质子通量是地球的10倍,高能电子通量比地球高2~3个数量级,且最高能量可达1 Ge V。因此木星探测任务的抗辐射设计是任务成功的关键。选择3种不同倾角大椭圆探测轨道,仿真分析了2种介质在变化能谱下的内带电过程。仿真结果表明,对于环氧树脂(Fr4),由于电阻相对较小,电子通量较大的近木点的充电电荷,会在远离辐射带时泄放,其最大充电电场取决于近木点的电子通量;对于聚酰亚胺(Kapton),由于电阻相对较大,充电电荷不能及时泄放,不同轨道间电荷逐渐累计,最大电场不断增加。另外,环木轨道倾角越大,越有利于降低充电电场。和地球GEO轨道相比,不同电阻介质在环木轨道的充电差异相对地球GEO轨道较小。     

木星系探测及行星穿越任务轨迹初步设计

基于我国未来木星系探测任务需求,初步设计了任务轨迹。以目前的发射能力,要实现木星的环绕探测必将利用行星借力,需设计借力轨迹。首先将脉冲变轨的轨迹设计问题转化为参数优化问题,在满足2029—2032年间发射并且飞行时间不超过7年的约束条件下,使用PSO算法对发射时刻、借力时刻、深空机动时刻、到达时刻等参数进行优化,使得探测器需提供的总速度增量最小。探测器进入木星系后,利用木卫3借力捕获至环木大椭圆轨道,又利用木卫4构造共振借力,最终捕获至木卫4的环绕轨道。在此基础上,还考虑了天王星飞越的拓展任务,天王星探测器在到达木星时与木星系探测器分离,利用木星借力可无消耗飞往天王星,并在2043年完成天王星的飞越探测任务。     

木星磁层熵参量的计算与分析

空间等离子体熵的不守恒可能来自于磁场位形改变和非绝热过程.熵参量PV~(5/3)被广泛应用于分析地球磁层等离子体片中的输运问题,其中,P为压力,V为单位磁通量管的体积.通过熵参量的分布和变化可以判断磁层的稳定性及揭示磁层中的动力学过程.本文利用地球磁层中熵参量的分析应用,计算了木星稳态磁层模型中磁通量管的熵参量分布.从5R_j(R_j为木星半径)到55_j,熵参量增加了4个量级,55 R)_j之后有所下降,表明所用磁层模型在55R_j之外已经不稳定.同时,假想磁场重联后的单位磁通量管的熵参量分布表明,赤道面中远磁尾的磁场重联是由尾向输运的磁力线管拉伸断裂重联引起的.     

利用人工神经网络预报大磁暴

本文采用阈值预报的策略和人工神经网络BP模型,以13个太阳风参量和地磁AE,Dst指数作为输入,以0或1作为输出,提前4h预报大磁暴主相发生的时刻．结果表明,采用神经网络方法的阈值预报可以对灾害性磁暴的发生提前数小时做出比较准确的预报．     

两种空间直角坐标系转换参数初值快速计算的方法

在已知不共线3点在两坐标系下坐标的条件下,提出了两种快速计算两坐标系间转换参数概略值的方法。其中一种是先通过三点构造在两坐标系下的一个新点,将两个坐标系平移到该新点,从而消除平移参数。利用此时的三点坐标可以方便地求得两坐标系间的旋转矩阵,由旋转矩阵可进一步求得旋转角和平移参数;另一种方法是先通过已知的三点构造出一个新的坐标系,通过该坐标系可计算出待求的两坐标系及其旋转参数,从而求得待求两坐标系间的旋转参数。最后,通过旋转参数可计算出平移参数的概略值,并试验验证了两种方法的正确性。     

绳系拖曳飞行器高抗扰轨迹跟踪控制

针对受未知风扰动作用下的绳系拖曳飞行器轨迹精确控制问题,设计了一种基于最小学习参数神经网络估计器的拖曳飞行器轨迹动态面控制方法。首先,结合绳系拖曳系统多刚体动力学模型,构建拖曳飞行器六自由度非线性模型,并完成其仿射非线性化处理。其次,考虑到拖曳飞行器可能受到前方飞机尾涡、紊流和阵风等未知气流及不可测量瞬变缆绳拉力等扰动的综合影响,构建了基于最小学习参数神经网络的拖曳飞行器状态/扰动在线估计器,以准确重构系统不可测量集总扰动。然后,基于所提状态/扰动在线估计器,设计了一种基于最小学习参数神经网络状态/扰动在线估计器的拖曳飞行器轨迹动态面控制方法,并分析了系统稳定性。最后,仿真表明,所提方法能够在多重气流扰动下实现拖曳飞行器位置稳定和机动轨迹跟踪。      

人工神经网络在复合材料研究中的应用

人工神经网络技术广泛应用于复杂系统的建模中,已成为材料科学研究中常用的建模方法;介绍了BP神经网络及其建模的重要特征,综述了神经网络在复合材料性能预测、工艺设计与优化、损伤预测与检测等方面的研究情况.     

BP神经网络用于传感器故障诊断的仿真研究

在标准逆传播神经网络的基础上 ,提出了一种全新的改进逆传播神经网络 ,用来消除标准逆传播神经网络收敛速度慢和易陷入局部最小点的缺陷 ;并且设计了一个主神经网络和三个分布神经网络的结构 ,通过神经网络的在线学习 ,得到需要的参数估计。用它与传感器测得的实际值比较 ,可判断出故障 ,并且给出了仿真实例。     

磁浮支承系统的神经网络建模与控制

简述了磁悬浮支承系统的原理和简化的线性化模型,以及基于该简化模型和线性控制理论的控制系统原理、主要组成,并阐述了这种基于简化模型和线性控制理论的磁悬浮支承系统性能极限性.在此基础上,采用非线性递归神经网络对磁悬浮支承系统进行建模与控制,并针对实际应用中神经网络的学习问题进行了讨论.避免了磁悬浮系统的非线性和不确定性等因素对系统性能影响,并具有较强鲁棒性,大大提高了磁悬浮系统的性能.      

基于人工神经网络的反射器型面精度预测

基于人工神经网络的预测方法,利用数量适当的有限元计算结果,建立人工神经网络模型,对反射器型面进行精度预测分析,得到在最小型面精度结果下的结构设计参数。计算结果显示训练好的神经网络模型能够较精确地预测格栅反射器的型面精度,节省计算时间,并且以型面精度最小为准则进行参数分析,能够指导反射器的结构设计。     

利用人工神经网络提前1h预报电离层TEC

提出了一种利用人工神经网络提前1h预报电离层TEC的简便方法. 考虑到实际工程应用要求, 没有使用其他空间天气参数, 而是选择电离层TEC观测数据本身作为输入参数. 输入参数为当前时刻TEC、一阶差分、相对差分和时间, 输出参数为预报时刻TEC. 利用文中介绍的GPS/TEC处理方法解算厦门站2004年电离层TEC观测数据, 对预报方法进行评估, 全年平均相对误差为9.3744%, 预报结果与观测值相关性达到了0.96678. 结果表明, 利用人工神经网络方法提前1h预报电离层TEC有很好的应用前景.     

基于神经网络的多卫星姿态协同控制预测模型

摘要： 针对多卫星近距离对空间目标监测中的姿态协同控制问题,研究基于神经网络的智能控制模型.首先设计了面向任意姿态控制方法的神经网络自适应控制模型,该模型不改变卫星姿态控制方法本身,而是接收由理想控制模型生成的理想控制量,理想控制量经过神经网络后直接生成适用于卫星的控制量.根据神经网络对控制系统的系统级状态预测,基于一致性控制协议,设计了多卫星姿态协同控制模型.采用等效姿态角,通过数值仿真,分别验证了预测控制方法、输出状态预测、协同控制的方法正确性和有效性.     

人工神经网络技术在光电检测中的应用

人工神经网络不仅被广泛用于人工智能、自动控制、机械人、统计学等领域的信息处理中,还越来越多地被应用于光电检测.综述了人工神经网络技术在光电检测中的最新应用进展,重点讨论了人工神经网络技术在谷物蛋白质含量近红外在线监测、结构光三维视觉检测、焊缝缺陷射线实时成像识别、表面粗糙度及球半径精密测量应用中的优点和局限性,以期进一步推动本领域的研究和发展.      

RBF神经网络在静电悬浮位置控制中的应用

静电悬浮位置控制系统具有非线性、时变性的特点,传统的控制方法不能有效抑制扰动的影响。针对该问题提出了一种神经网络与PID相结合的RBF-PID控制策略。以球形样品为例分析其受力情况,推导出静电悬浮位置控制系统的机理模型。搭建基于RBF-PID控制器的静电悬浮位置控制系统,并根据仿真结果实时在线调整控制参数。仿真结果表明,当样品带电量从10^–9 C突变至3×10^–9 C时,RBF-PID控制器只需0.12 s即可使样品达到稳定状态。实验结果表明,当样品处于加热状态时,实时调整参数后系统的平均绝对误差为0.0416 mm,控制效果比传统PID控制策略提高了70%。所提出的控制方法辨识精度高,具有比传统PID方法更强的鲁棒性和稳定性。     

基于SCSO-BP神经网络的卫星姿态控制系统故障预测

近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。     

基于BP神经网络的飞行动态实时预测方法

针对传统Back-Propagation网络(简称BP网络)收敛速度慢、网络灵敏度过高和隐含层数难以确定等缺陷,提出一个改进型BP网络,提高了网络预测的实时性和精确性;然后将之应用到飞行动态预测问题上,充分发挥网络模型的学习、记忆和动态自适应性的优势,力图解决飞行器轨迹的描述和预测问题.