基于小波矩特征和神经网络的灰度图像识别算法研究

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性。文章研究了基于小波矩的灰度图像特征提取算法,并将其与BP神经网络组合,利用神经网络的强学习能力和容错性,形成一个灰度图像识别系统。仿真实验表明,在图像失真较小的情况下识别率可达到100％,较之未提取特征的神经网络识别方法而言,网络收敛速度与识别精度都有较大的提高。     

五自由度气浮台平动时侧向干扰力问题的研究

五自由度气浮台主要是在地面模拟微小卫星运行时太空中的微重力环境,为卫星姿态控制及变轨飞行提供地面试验手段。气浮台平动时会受到一定的侧向干扰力,不但对系统的控制带来干扰,而且会减少冷气推进系统的有效作用时间。因此对侧向干扰力问题进行研究,归纳了其产生的原因,对引起侧向力的环境、偏载、摩擦、风阻和工作台面等几个因素进行了理论分析和试验,并提出了相应降低侧向干扰力的方法和措施,最终使五自由度气浮台受到的总侧向干扰力达到设计要求。
     

轨道快速机动期间的姿态鲁棒稳定控制方法研究

根据挠性充液航天器刚液柔强耦合、变参数及模型不确定的特点,研究了一种神经网络输出变结构控制算法.根据该算法提出了轨道快速机动卜的姿态控制方案,设计了控制系统并对干扰力矩、模型不确定性等工况进行了仿真.仿真结果表明在发动机干扰力矩和模型不确定情况下.系统能够快速稳定到要求的精度.所设计的系统具有较强的鲁棒性,能够抑制挠性附件振动和液体晃动的影响.     

JP-10燃料在HZSM-5/不锈钢筛网复合膜上的常压催化裂解

研究了常压下JP-10燃料在HZSM-5/不锈钢筛网复合膜上的催化裂解。研究发现,HZSM-5/不锈钢筛网复合膜对JP-10裂解具有较好的催化活性。400℃、停留时间6.51 s时,高密度碳氢燃料JP-10在空白不锈钢筛网上不发生任何裂解,而在HZSM-5/不锈钢筛网复合膜上的裂解转化率为15.2%;500℃、停留时间5.67 s时,JP-10在空白不锈钢筛网上的裂解转化率为3.1%,而在HZSM-5/不锈钢筛网复合膜上的裂解转化率高达42.1%。JP-10催化裂解的主要产物为C1-C4、苯、环戊二烯和甲苯,苯的含量随停留时间增加而逐渐增加,而环戊二烯的含量则逐渐减少,C1-C4和甲苯的含量随停留时间变化不大。根据产物分布,提出了JP-10在HZSM-5/不锈钢筛网复合膜上催化裂解的可能反应途径。     

概率空间中单调事件序列的连续性

研究了概率空间中事件序列的可列可加性和有限可加性,并提出事件序列次可加性的概念,证明了单调事件序列的连续性,并给出一个充分必要条件.     

地磁图制备方法及其有效性评估

高精度地磁图制备是地磁匹配导航关键技术之一.在简单介绍4种网格插值方法原理的基础上(反距离加权插值法、克里金插值法、改进的谢别德插值法以及径向基函数法),应用实测地磁数据,选取测点分布较均匀区域,根据上述插值方法分别制备地磁图,并通过交叉验证统计准则对地磁图制备方法的有效性进行评估.结果表明,径向基函数插值法制备的地磁图"鸭蛋"形分布较少,地磁图等值线较圆滑,其标准偏差远小于其它方法的标准偏差,且其标准误差以及平均偏差也最小,具有较高的插值精度,能更好地反映该区域地磁场分布情况.     

基于弹流润滑理论的深沟球轴承动态虚拟仿真

润滑油膜对轴承的胶合、擦伤和接触疲劳有重要影响.而以往对轴承的仿真均忽略了润滑油膜的存在,误差较大.首先在刚性套圈假设的前提下,基于Hertz接触理论,运用拟动力学法建立球轴承在径向、轴向载荷作用下的力学模型,以Newton-Raphson法为主要计算工具对模型进行求解,获得轴承在联合载荷作用下的接触载荷和变形,并求取了各个滚珠与内、外圈之间的接触刚度.基于弹性流体动力润滑(EHL)理论考虑润滑油膜对轴承动态特性的影响,求取滚动轴承油膜刚度.提出等效综合刚度的概念并求其值,在此基础上运用ADAMS软件对轴承进行准确的动力学仿真.      

一种基于偏好MOEA的卫星地面站资源多目标优化算法

随着中国航天事业的发展,卫星地面站资源匮乏问题日益突出,需要对其进行统筹优化使用。因此,卫星地面站资源规划问题得到了广泛关注。在分析问题特点的基础上,对用户规划结果的偏好信息进行建模表达,建立了涵盖用户偏好的多目标数学规划模型,提出了基于偏好多目标进化算法的卫星地面站资源规划算法。为了进一步提升算法性能,设计了基于领域知识的启发式策略,包括：任务扩充策略、冲突消解策略以及任务缩减策略等。实验结果表明,与现有算法相比,用户偏好信息的引入能有效提升问题求解针对性,在IGD-CF （Inverted Generational Distance based on Composite Front）指标上取得了更好的效果。     

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。     

Research Advances of Solar Corona and Interplanetary Physics in China: 2012–2014

Solar transients and their related interplanetary counterparts have severe effects on the space environments of the Earth. Therefore, the research of solar corona and interplanetary physics has become the focus of study for both solar and space scientists. Considerable progress has been achieved in these aspects by the solar and space physics community of China during 2012–2014, which will be given in this report. The brief report summarizes the research advances of solar corona and interplanetary physics into the following parts: solar wind origin and turbulence, coronal waves and seismology, solar eruptions, solar energetic particle and galactic cosmic ray, magnetic reconnection,Magnetohydrodynamic(MHD) models and their applications, waves and structures in solar wind,propagation of ICMEs/shocks and their arrival time predictions. These research achievements have been achieved by Chinese solar and space scientists independently or via international collaborations.