基于近似粗糙集分辨力分类算法的飞机类型预测

传统的C4.5分类决策树作为数据分类算法具有计算简单、准确率高的优势，由于飞机具有参数多和数据量大的因素，C4.5算法需要对连续属性值进行多次顺序扫描，分类时间效率较低。针对此问题，提出近似粗糙集和决策分辨力分类算法，利用粗糙集近似度来判断属性划分样本数据能力，并将其代入到决策分辨力算法中，以决策分辨力最大的属性作为分裂特征建立分类决策树。算法在保证分类决策准确率的同时，提高计算效率并减少过拟合问题的产生。通过对UCI(University of California, Irvine)数据集上多组数据样本的对比实验分析，验证了本文提出PSRP(rough set and resolving power)的算法在保证相同准确率的情况下，平均计算时间效率提升约10%，可靠性提升2%。     

动力短舱校准装置的供气流量控制策略

为了降低动力短舱校准装置的马赫数波动，提高校准数据的准确性，需要对供气流量控制策略进行研究。对系统整体特性进行了分析，对高压供气控制系统采用广义预测控制算法实现在一定时域内的最优控制，针对气源压力扰动导致的流量稳定性较差的问题，采用带遗忘因子的递推最小二乘法在线辨识扰动模型，通过扰动前馈的控制结构实现对于扰动的有效抑制。针对数字阀切换过程不同步导致的流量冲击现象，设计了一种针对数字阀的异步切换控制器来抑制该扰动。开展了某型号短舱的校准试验，结果表明：供气流量控制精度优于±0.001 kg/s，马赫数控制精度优于0.000 5，控制效率提升了40%，证明所提出的控制策略是有效的。     

电子设备故障预测与健康管理技术发展新动态

电子设备是各类航空、航天等高新技术装备必不可少的重要组成部分。与机械类设备存在明显退化状态征兆不同，电子设备退化状态无明显的外在表现，尚无有效征兆对其状态进行刻画，对其进行故障预测与健康管理存在一定的困难。针对该问题，梳理了电子设备故障预测与健康管理技术的基本概念和内涵，介绍了电子设备故障预测与健康管理技术的国内外研究现状，分析了当前复杂电子设备故障预测与健康管理技术面临的挑战和对策。在此基础上，结合未来复杂电子设备新特点及该领域最新研究进展，从基于间歇故障特征的健康状态表征、面向故障预测与健康管理的测试性设计和多源特征融合的健康状态评估等方面，提出了电子设备故障预测与健康管理技术发展的新方向。     

基于多尺度自适应注意力网络的剩余寿命预测

剩余寿命预测是复杂设备系统智能维护决策的关键和前提。不同指标数据间的潜在关系给预测的精度带来了挑战，参数的选择也增加了模型预测的困难。采用多尺度自适应注意力网络训练方法，别从纵向和横向两个维度融合数据间的特征关系，给出分段非线性目标函数，提高了预测的精度，降低了预测的均方根误差。使用自适应机制自动选择卷积核大小，提高了网络训练的效率。通过对涡扇发动机数据集进行实证分析验证了该方法在复杂系统剩余寿命预测中的有效性。     

晨昏轨道卫星三结砷化镓太阳电池阵功率衰减估计

文章针对空间环境对于GaInP2/InGaAs/Ge太阳电池输出功率衰减影响，以运行轨道高度接近1000km的某晨昏轨道卫星为对象，在分析轨道半长轴与倾角摄动、光照角变化、降交点地方时漂移、日地距离波动等因素的基础上，首先讨论了电池工作温度和输出电流变化，建立太阳电池输出电流拟合模型；提出了发展拟合电流的归一化处理新方法，进行光照角、温度、地球反照归一化，重点减小太阳光源功率波动的影响；最后，利用实际在轨数据进行检验。结果表明，利用新方法得到的电流数据衰减特征明显，一致性较好；太阳电池功率衰减因子约为-1.02×10-5/d，年衰减率约为0.372%；在轨15.5年后，输出功率衰减预测约为6.6%；GaInP2/InGaAs/Ge太阳电池抗辐照性较好，适宜于近地空间长寿命应用场合。该方法可应用于在轨卫星长期测控与管理中的遥测诊断、能源估计与预测、器件健康状态评估等方面。     

飞行状态对太阳能飞机中组件性能的影响

基于光伏组件产生功率模型，研究了太阳能飞机中飞行速度、高度、时间及区域等状态参数影响组件性能的规律。以单晶硅组件及Xihe太阳能飞机为研究对象，当飞机飞行速度增加时，组件产生的功率随之增加但趋于饱和。原因在于速度的增加能有效降低组件的表面温度，但提升是有限的。飞机所需的功率随飞行速度呈现指数增加，且组件产生的功率与飞机所需的功率有能量平衡点。组件产生的功率随飞行高度的增加而增加，但有饱和的趋势。原因在于，当飞行高度上升，大气温度随之下降，组件表面温度下降；同时海拔越高，大气密度和大气通透率越大，太阳辐射增加，从而组件产生的功率增加了；饱和的原因在于组件本身性能的限制。一天之中，组件产生的功率基本以太阳时12点为中心左右近似对称，中午最强；一年中组件性能在夏季最强，冬季最弱。原因在于组件性能主要由所受太阳辐射决定。随着纬度的增加，组件产生的功率减小。原因在于，纬度越高，太阳高度角越小，组件所能接受到的太阳辐射也就越小；纬度越低，组件总产生功率越高且平稳。纬度低的地区更适合太阳能飞机的飞行。该文为太阳能飞机的能量分配、长时间驻空提供一定的帮助。     

基于深度神经网络的超声速隔离段湍流涡黏性系数辨识

雷诺平均Navier-Stokes(RANS)方程由于计算成本较低，当前仍然在工程设计领域广泛应用。为了进一步提升计算精度和减少时间，应用深度神经网络（deep neural networks, DNN）方法自适应辨识稳态湍流涡黏性系数。以隔离段的激波串前缘位置检测流场生成为例，使用Wilcox-2006 k-ω湍流模型进行模拟。在不同的背压情况下，产生稳定状态的湍流涡黏性流场作为模型学习的训练数据集。最后在不同背压条件下开展了测试。结果表明：提出的DNN方法能够快速预测湍流涡黏性系数的值，预测值与计算流体力学数值模拟计算的参数值相比，方均根误差较小，可决系数大于99%，预测的流场结果与真实流场基本一致，进一步验证了深度学习技术在湍流模型参数辨识的可行性。