基于快速终端滑模的模糊逼近系统及其应用

为改善模糊系统逼近的收敛速率,提出了一种基于快速终端滑模的反向传播(BP)学习算法。将快速终端滑模引入模糊逻系统的学习算法,综合终端吸引子有限时间收敛和线性系统指数收敛的性质,提高了对非线性连续函数的逼近能力。仿真结果表明:该算法能以较快速率逼近未知函数,且逼近过程稳定,较普通学习算法更为精确和有效。     

改性小推力液体发动机推力室工作过程仿真

在考虑N2O4/一甲基肼(MMH)自燃推进剂雾化、蒸发和化学反应过程的条件下,采用贴体网格系统和耦合显式求解算法,仿真计算了小推力液体发动机不同喷嘴设计对推进剂的蒸发、混合燃烧、推力室内流场和燃烧室效率的影响。仿真结果与高空热试车数据基本一致。所用模型合理,具一定的参考价值。     

基于主元分析法的液体火箭发动机传感器故障检测与诊断

针对液体火箭发动机的压力、温度、流量等传感器数据,给出了一种基于主元分析法的传感器故障检测与诊断方法。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测与诊断。以某型LRE传感器组为研究对象,通过故障模拟,给出了该方法对4种典型传感器故障的检测与诊断实例。结果表明主元分析法对LRE传感器具有很好的故障检测和故障诊断能力。     

升力体式浮升混合飞艇多学科设计优化

升力体式混合飞艇是全球远距离大载重运输的重要选择,随着全球贸易的发展,逐渐成为国内外的研究热点。作为航空宇航技术、新能源技术和高性能材料技术相结合的新概念飞行器,混合飞艇设计过程需对多个学科进行综合考虑和优化。为了将多学科设计优化（MDO）方法引入到混合飞艇的总体设计中,将其分解为能源子系统、气动和推进子系统以及结构和重量子系统。在子系统模型构建的基础上,提出具有自适应能力的基于响应面的并行子空间优化（CSSO-RS）算法,将重量平衡和能量平衡作为实现远距离载重运输的约束条件,并提出爬升、日间巡航、滑翔和夜间巡航的多阶段任务剖面,以充分利用太阳能电池、燃料电池和锂电池的优势,实现混合飞艇的最优化设计。优化结果表明:具有自适应能力的优化算法在精确度和计算效率上均有明显的优势,同时重量分配的结果也为混合飞艇结构轻量化设计和能源系统设计提出了更高的要求。      

不确定理论下竞争失效系统的可靠性分析

针对有新研发产品,故障数据较少的复杂系统,提出了不确定环境下自然退化和外部冲击相互独立的竞争失效模型。考虑了系统同时遭受自然退化和外部冲击,连续的自然退化用一个不确定过程刻画,冲击到达的时间间隔和每次冲击对系统造成的损坏量分别用2个不同的不确定变量来刻画。运用不确定理论,分别在极端冲击模型、累积冲击模型、δ冲击模型下,研究了系统的确信可靠度,结果表明:在有新研发的产品、故障数据较少的复杂系统,用不确定理论的方法来描述模型更合适,并通过数值分析显示了模型的有效性。      

无人集群系统时变编队H∞控制

针对有向通信拓扑网络下具有通信时滞与外部干扰的无人集群系统（AUSS）时变编队H_∞控制问题进行了研究。首先,基于AUSS期望编队构型信息、无人机（UAV）实时状态信息以及通信UAV之间带通信时滞的状态误差信息提出了AUSS的编队控制方法,通过变量替换将AUSS的编队控制问题转换成低维闭环系统的渐近稳定问题,并以线性矩阵不等式（LMI）形式给出了系统稳定的充分条件与最大允许通信时滞的计算公式。其次,通过构造Lyapunov-Krasovskii（L-K）泛函,证明了存在通信时滞与外部干扰条件下AUSS能够实现时变编队。最后,通过数值仿真验证所设计方法的准确性与有效性。      

基于趋势符号聚合近似的卫星时序数据分类方法

作为在时间序列数据挖掘中广泛使用的主要符号化表示方法,符号聚合近似（SAX）使用段的平均值作为符号表示,由于无法区分具有不同趋势但具有相同平均值符号的不同时间序列,某些情况下可能会导致错误的分类。提出了一种改进的符号表示——趋势符号聚合近似（TrSAX）,集成SAX与最小二乘法,用以描述时间序列的均值和斜率,并由此构建出BOTS分类器。此外,对卫星的模拟量遥测时序数据中的角度序列、转速序列、电流序列进行分析,并从UCR公开数据集中筛选出与3种序列类似的3个数据集进行分类实验验证。与应用了SAX和2个改进的SAX、经典的欧氏距离（ED）、动态时间规整（DTW）的1-NN分类方法进行对比,结果表明:提出的BOTS分类方法的分类错误率明显低于其他5种分类方法。      

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置,提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制,在障碍分布密集时选择最安全的路径,在障碍物分布稀松的环境中,利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外,还引入了搜索树,可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能,在障碍物分布稀松时效果更加明显,且可实现死角检测并能通过狭长通道。      

基于GNSS测量的天宫二号质心确定

由于轨道机动燃料消耗,科学载荷加载、分离,以及伴飞小卫星在轨释放等原因引起天宫二号空间站质心(COM)发生位移,从而影响天宫二号的动力学质心定轨精度。针对这一问题,提出了基于全球导航卫星系统(GNSS)测量数据的简化动力学质心估计方法。燃料消耗是引起天宫二号质心发生位移的主要原因,质心在本体坐标系X轴方向位移最为显著。利用GNSS测量数据对天宫二号进行质心估计和精密定轨,在三轴对地稳定姿态下,本体坐标系X轴方向与轨道切向重合,定轨结果对本体坐标系X轴方向的质心位移并不敏感。但在连续偏航模式下,本体坐标系X轴在轨道法向上有较大分量,X轴方向的质心位移对基于GNSS测量计算的精密定轨结果有较大影响。定性和定量分析结果表明:偏航姿态模式下天宫二号本体坐标系X轴方向质心位移估计具有可行性。天宫二号实测数据计算结果表明:与未做质心估计的定轨结果进行对比,质心估计后表征轨道动力学建模误差的经验加速度补偿水平在轨道径向、切向和法向上分别降低62%、50%和65%;载波相位后验残差标准差降低0.04 cm;精密轨道与全球激光测距数据比较精度提高0.86 cm。所提方法可以应用于大型低轨航天器在轨质心估计。      

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。