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.     

空间相机热平衡试验温度预测方法改进及应用

为实现对航天器热平衡试验平衡温度的预测,建立了热平衡温度预测的方程式,对影响预测结果的各参数进行了分析。首先,由节点网络法推导出平衡温度表达式,介绍了其基于非线性最小二乘法的求解过程,建立了平衡温度的迭代方程;其次,结合大量的试验数据,对影响迭代结果的3个因素进行了统计分析,并最终确定了各因素的合理取值范围;最后,利用温度预测程序对某空间相机热平衡试验中低温工况的平衡温度进行了预测,并与试验结束后的结果进行了对比。结果表明,预测温度与试验数据的误差为±1℃（在3%之内）,满足精度要求,对热平衡温度准确的预测有效的缩短了试验时间,节省试验费用。     

提高零控脱靶量预测精度的一种方法

对于大气层外拦截问题中以零控脱靶量(ZEM-zero effort miss)作为指标的预测制导方法,其ZEM的预测精度直接影响到最终的拦截任务.在线性化平方反比引力模型下,给出了基于目标轨道坐标系的ZEM预测算法,导出ZEM发生条件,并提出一种提高ZEM预测精度的方法,即通过初值轨道角速率的选取可明显改善算法的预测精度.同时将该算法与地心赤道惯性坐标系下的ZEM预测算法进行了比较研究,数学仿真结果表明该预测算法精度较高,具有一定的工程应用价值.     

基于GM(1,1)与灰区间估计的SPE通量水平长期预测

太阳质子事件（SPE,Solar Proton Events）是干扰日地空间最主要的源,大规模质子事件会影响在轨空间站实验设备的可靠性,有时甚至会威胁空间站的安全运行.提出一种基于灰色GM（1,1）和区间估计太阳质子事件预测方法;首先对1976—2010年SPE通量水平数据进行预处理,分别建立以发生时间为序列的一般SPE通量序列与极端SPE通量序列;之后将灰色GM（1,1）与区间估计相结合建立预测方法,融合反映一般SPE通量水平随周期性波动的活跃性调节系数,建立SPE通量水平长期预测模型;然后叠加不同SPE类型所得结果合成预测年份的SPE通量水平,给出未来一年或几年间SPE通量水平的变化范围;最后选取1976—2010年太阳质子事件年均值数据,分多批次预测1996—1998年和1999—2001年等SPE通量均值区间,结果表明各年实际发生SPE的通量均值均位于预测区间内,并且多年预测区间偏差最大值小于26%,实验结果还表明单次预测时长以2~3年为宜.     

基于概念聚类的用户兴趣建模方法

Internet资源的指数级增长促进了个性化服务的发展.针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足,提出了一种新的基于概念聚类的用户兴趣建模方法UIM2C2(User Interest Modeling Method based on Conceptual Clustering).该方法首先通过分析用户访问的历史文档构造后缀树结构,然后选择不同的相似度阈值,以不同的粒度合并基本簇.依据不同阈值条件下合并的基本簇之间的包含关系,生成用户的兴趣层次.UIM2C2方法是针对文档的一个增量式、无监督的概念学习方法,因此用户描述文件可以轻易的获取和更新.最后,通过数据集20NewsGroup上的实验验证了UIM2C2方法在兴趣预测方面的有效性.     

空间液滴蒸发实验中液滴图像的无损压缩算法

为了提高空间液滴蒸发实验中图像无损压缩率, 根据连续采集到的液滴图像之间相关性很大的特点, 提出了一种基于JPEG-LS和帧间预测误差编码的图像序列无损压缩算法. 该算法对图像序列第一帧采用JPEG-LS算法编码, 对帧间预测误差帧进行Golomb编码, 从而实现对连续采集到的液滴图像序列进行无损压缩. 实验结果表明, 该算法比单纯采用JPEG-LS算法的压缩率有明显提高, 编解码过程更简单, 编码需要时间更少.      

基于最优化问题的混合再入制导方法

在深入研究机动再入飞行器标准轨道和预测制导方法的基础上,针对标准轨道和预测制导相结合的制导方法,分析了由预测制导指令延迟引起的误差,提出了误差补偿策略.根据最优化理论,设计了相关性能指标函数,提出新的预测制导算法.并结合标准轨道法,通过对有限几个特征点位置上引入预测制导,形成了一种基于最优化问题的混合制导方法.有效减小了预测制导指令的解算时间,进一步降低了落点误差.仿真结果表明,该方法既具有较强的抗干扰能力和较高的制导精度,又具有一定的工程实用价值.     

基于模糊逻辑的预测再入制导方法

在研究再入飞行器预测制导基础上,针对实时性要求,提出了一种基于模糊逻辑系统的模糊预测制导方法.首先研究分析了再入飞行器落点纵程与飞行高度、弹道倾角三者之间的联系;设计了以再入飞行器落点偏差和飞行高度为输入,弹道倾角角速度为输出的模糊逻辑系统;并在此基础上根据专家经验制定模糊规则,设计模糊预测制导算法.该方法避免了一般预测制导在形成弹道倾角修正指令时所需要的大量迭代运算,有效减小了预测制导指令的解算时间,为再入飞行器在再入过程中全程使用预测制导提供了可能.仿真结果表明:该方法实时性好,落点精度高,抗干扰能力强,且具有一定的工程实用价值.      

基于模型预测控制的多约束火星精确着陆制导律研究

主要研究了火星着陆动力下降段考虑燃料消耗和实际任务约束条件的制导律设计问题。选取可变推力发动机作为执行机构,首先建立了着陆器在动力下降段的运动方程及质量变化方程;其次对实际任务中需要考虑的斜坡、推力幅值和方向等约束条件建立了约束模型;接下来通过构造由控制量和状态量构成的性能指标,提出一种基于模型预测控制的多约束火星精确着陆制导算法。可实现多种约束条件下的指标最优精确着陆任务。最后,通过数值仿真对比了本文与已有典型着陆策略,验证了所提算法可以在满足约束条件的前提下有效地完成既定火星精确着陆任务。     

舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器,实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先,描述甲板滑行任务的过程,在此基础上,建立滑行轨迹控制问题的数学模型,包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次,考虑甲板环境和轨迹控制任务要求,基于模型预测控制思想,将在线滑行路径规划与轨迹控制结合,采用滚动优化方法计算出舰载无人机实际滑行轨迹,并且得到控制指令信号。最后,以“尼米兹”级航母为例,对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算,结果表明了模型的合理性和算法的有效性。