基于RBF神经网络和M距离的卫星故障诊断

在常规基于解析冗余故障诊断技术的基础上,采用具有最佳模拟特性的RBF神经网络对系统进行建模,分析了M距离应用于卫星姿态控制系统故障检测与定位的可行性,应用基于M距离的方法设计故障检测观测器,通过对残差的评估实现故障诊断。仿真结果显示,该方法计算过程简单、实时性好。     

联合实施超分辨率动目标特征提取及静态杂波抑制

对于许多涉及到杂波背景下的动目标探测和分类的军事与民事应用，高距离分辨率（HRR）动目标显示雷达正变得日益重要，对于地面高距离分辨率雷达，当目标慢动或沿近正侧向运动且相干处理间隔或驻留时间不太长时，距离徒动和距离特征失真的影响可忽略不计。基于这种假设，建议对存在静态杂波时由距离向间距很近的散射体组成的动目标的HRR特征提取采用稳健且计算简单的基于松驰的算法。数值仿真实例表明这种算法具有超分辨率和良好的估计性能。     

中越架起又一空中桥梁

经过中、越两国有关部门的不懈努力,昆明至河内新航线R471于2008年5月1日正式运行。昆明区域与河内区域紧密相连,之间却无直通航线,从昆明到河内的航班都要绕经南宁区域。有时双方进行相关的信息通报也要经由南宁代为转达。这条航线的开辟,极大地缩短了中越之间的飞行距离,为航空公司节省了近半个小时的飞行时间,     

中国农村居民信息消费的差异分析

文章以1993 ～ 2009年中国统计年鉴为基础,运用ELES模型,对我国农村居民信息消费的结构差异进行了深入研究.发现整体来看,信息消费对收入的敏感性较高,并呈现奢侈品的特性;不同组间的边际消费倾向和需求收入弹性存在一定的差异,其中高收入组对信息消费接受度最高、反应最为敏感;低收入组的接受度最低,消费结构最不完善,不同收入农民群体的信息消费存在较大差异.     

基于PCA-IMD的加注泵融合式健康监测研究

针对加注系统中加注泵的健康监测问题,提出一种基于主成分分析(Principal Component Analysis,PCA)与改进马氏距离(Improved Mahalanobis Distance,IMD)相融合的健康度量模型。对系统健康度、健康度量等相关概念进行研究,选用距离测度中的马氏距离作为度量加注泵健康状态的标准。基于PCA对测试样本进行优化,降低测试样本属性维数,采用IMD计算优化后得到的主成分样本矩阵改进马氏距离,以平均IMD值表征待评估系统的健康状态变化情况。通过加注泵加注过程中实际测试数据验证了该方案的准确性。     

缺口件疲劳寿命预测新方法

采用有限元方法针对缺口件多轴疲劳实验结果进行模拟。结果表明,相同路径条件下,随着缺口半径减小缺口根部附近的应力梯度显著增加。基于缺口根部应变值,采用等效应变法进行疲劳寿命预测,预测结果随缺口半径的减小而偏于保守。采用应力梯度法确定有效距离,相同路径下,随着缺口半径的减小有效距离减小;依据该有效距离处的等效应变进行疲劳寿命预测,总体预测结果较为分散且偏于不安全。基于实验及有限元模拟结果,提出了基于应变梯度的有效距离确定的新方法,大部分疲劳寿命预测结果位于2倍分散带内。     

基于黎曼距离的编队飞行卫星姿态控制系统故障检测数据优选方法

为突破星上资源的严苛约束、提升编队飞行卫星故障检测能力,提出了一种适用于编队飞行卫星姿态控制系统的故障检测数据优选方法,通过利用黎曼距离衡量无故障情况和故障情况下系统测量信息之间的差距,构建了编队飞行卫星姿态控制系统故障检测能力的评价指标。在此基础上,提出了故障检测数据优选方法,为系统输出信息结构优化提供了理论依据。仿真表明,所提出的方法能够在星上资源受限的情况下有效提升编队飞行卫星姿态控制系统的故障检测能力。     

文本信息辅助图像差异描述生成

图像描述生成任务要求机器自动生成自然语言文本来描述图像所呈现的语义内容,从而将视觉信息转化为文本描述,便于对图像进行管理、检索、分类等工作。图像差异描述生成是图像描述生成任务的延伸,其难点在于如何确定2张图像之间的视觉语义差别,并将视觉差异信息转换成对应的文本描述。基于此,提出了一种引入文本信息辅助训练的模型框架TA-IDC。采取多任务学习的方法,在传统的编码器-解码器结构上增加文本编码器,在训练阶段通过文本辅助解码和混合解码2种方法引入文本信息,建模视觉和文本2个模态间的语义关联,以获得高质量的图像差别描述。实验证明,TA-IDC模型在3个图像差异描述数据集上的主要指标分别超越已有模型最佳结果12%、2%和3%。     

一种在待测距离未知的情况下求解测控电波时延的方法

提出了一种在待测距离未知的情况下确定电波在空间单向传播时间的方法。该方法可以迅速地利用前一时刻已经测得的距离和距离变化率,导出下一时刻发送的无线电波到达航天器时其在空间的单向传播时间。利用该时间,可以确定航天器接收到信号时的大概位置。     

时空轨迹多维特征融合的行为规律挖掘算法

在预警监视系统中，利用数据挖掘技术可以从海量的目标时空轨迹数据中挖掘出目标的行为规律，实现态势信息的智能感知。目前大部分行为规律挖掘方法仅考虑目标轨迹的空间位置信息，忽略了航向和速度信息，因此难以区分空间位置相似但运动速度和方向不同的行为。除此之外，轨迹聚类算法普遍存在参数设置复杂的问题，而且容易受到轨迹行为分布密度的影响。针对上述问题，首先，通过构造时间滑窗定义了时空Hausdorff距离，可度量时空轨迹多维特征差异；其次，结合k最近邻和密度峰值聚类中决策图的思想，提出了时空轨迹多维特征融合的行为规律挖掘算法；最后，使用仿真飞行器轨迹和实测雷达轨迹数据进行实验分析和验证，结果表明在典型应用场景下本文算法可以准确地挖掘出目标所有行为规律，在智能监视任务中具有较好的应用前景。