CPU-GPU协同高性能卫星数传预处理方法

空间数据系统咨询委员会(CCSDS)协议的分层特征对数传预处理的完全并行提出挑战,虚拟信道、应用过程的多路复用为并行处理提供契机。本文面向高性能数传预处理需求,在分析处理性能瓶颈的基础上,提出一种层间流程中央处理器(CPU)控制、层内瓶颈步骤GPU加速的协同处理新方法。以高级在轨系统(AOS)帧循环冗余校验(CRC)、工程参数提取与物理量转换算法为研究对象,对图形处理器(GPU)线程分配、CPU-GPU协同任务划分进行设计。实验结果表明:方法可实现CRC校验11.449 6 GB.s^-1、工程参数提取与物理量转换0.902 4 GB.s^-1的处理速率,性能较传统CPU架构提升显著。     

基于XML的标准结构化架构设计

传统的标准编写方式通常是自由格式的,没有明确的结构和规范,容易导致标准质量不齐、同类型标准格式不统一、甚至存在标准信息错误等问题。为保证标准数据的完整性,本研究提出一种基于XML的标准化结构化框架,该框架定义了一组规范的XML元素和属性用于表示特定类型的标准文本内容,使得标准内容可以被明确的结构化和标记化,以确保标准结构准确、内容完整,可实现不同系统之间的互操作,降低系统间集成难度、提高标准转换和处理效率。     

基于物理信息神经网络的气动数据融合方法

为了解决训练传统深度神经网络对大数据的依赖问题,气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络（physics-informed neural network, PINN）是一种非监督的学习算法,采用深度神经网络直接逼近流场偏微分方程的解,因此适用于气动数据的建模。然而训练PINN时,损失函数反映的是抽样点处神经网络所拟合的偏微分方程值的偏差,对于复杂的非线性偏微分方程,这一偏差不能准确反映神经网络所拟合的函数与微分方程解函数的偏差,而且用神经网络拟合初始条件和边界条件时,不可避免存在拟合误差,误差随空间和时间累计,这使PINN的建模精度相比传统的模型没有优势。为了解决这些问题,本文把PINN与流场的计算流体动力学（Computational Fluid Dynamics, CFD）仿真结果进行融合,在流场抽样点处的损失函数中增加了PINN在该点的输出与流场在该点的CFD值偏差,从而提高了神经网络的建模精度。根据CFD仿真时使用的模型,融合方式采用瞬时模式或时均模式。测试结果表明该方法能够有效提高PINN的建模精度。     

大数据时代下的企业质量管理信息化建设研究

通过对航空装备企业质量管理发展现状及问题的分析,立足于大数据时代下的质量管理业务流程信息化建设、数据治理等技术特点并结合企业特点及发展战略,通过整合企业质量管理业务数据资源,对质量信息数据进行分析及应用,构建集成质量管理系统和形成质量管理预警机制,提高企业质量行管能力,降低管理风险,为质量管理创新发展提供可借鉴经验。     

基于可靠性分析的立方星网络维护架构优化

立方星编队或星座构成分布式空间传感器网络,可提高立方星执行复杂空间任务的能力。然而立方星易发生故障,其故障时间不确定性也导致了传感器网络性能的不稳定,这凸显了对立方星网络进行在轨维护的重要性。考虑立方星传感器网络的功能维持问题,描述了一种网络维护架构,通过定期发射、在轨备份立方星以及时更换故障立方星,从而提高网络对单星随机失效事件的快速响应与恢复能力。建立了该架构的运行成本模型,包括固定成本、储存成本和短缺成本。收集整理了真实的立方星寿命数据,并使用最大化拟合优度参数估计方法得到最优立方星寿命的随机模型。采用基于蒙特卡罗仿真的遗传算法优化备用立方星的补给时刻和补给数量,在备份成本与系统性能下降所带来的损失之间进行权衡,使得系统的综合收益最优。     

基于集成学习的遥测数据互相关结构知识发现

针对传统遥测数据相关性分析方法仅能发现相关程度知识,无法提供相关结构丰富信息的问题,提出一种神经网络与极限梯度提升（XGBoost）集成的遥测数据互相关结构知识发现方法。在对遥测时间序列进行线性、单调性、序对一致性、散点图形状4个维度相关结构信息标注的基础上,将混合采样、代价矩阵、神经网络、XGBoost算法相结合,直接对遥测数据进行分类得到其相关结构类别或相关关系有无的知识。采用量子卫星任务数据进行实验的结果表明:较之于原始XGBoost模型、融合混合采样与代价矩阵的XGBoost模型,所提方法在受试者工作特征（ROC）曲线、F1-score等性能指标方面具有更高的分类精度,且对类别不平衡数据不敏感,是一种适用于遥测数据互相关结构知识发现的有效方法。      

数据丢包和量化约束下的分布式滚动时域估计

针对网络约束问题,对带丢包和量化的网络化系统分布式状态估计进行了研究。用一组满足Bernouli分布的随机变量来描述丢包现象,采用预测补偿机制进行丢包补偿。将数据量化引入的误差描述为观测方程中的参数不确定性,通过求解固定时域内的min-max问题,得到局部估计器。对局部估计器的稳定性进行研究,给出了误差范数平方的期望收敛的充分条件。推导了局部估计器误差协方差上界的递推公式,在此基础上,应用协方差交叉（CI）融合算法得到了分布式融合估计器。仿真结果表明,所提算法能够有效减小数据丢包和量化对状态估计的影响。      

基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。     

液氧/甲烷火箭发动机性能敏感性分析

为了弥补极差分析法在发动机性能敏感性分析方面的不足,提高低温火箭发动机性能敏感性分析的准确度,引入了方差分析法,以某型液氧/甲烷发动机为例开展了性能敏感性分析,并通过F检验得到了每个干扰因素对发动机性能影响的显著性指标,与传统的极差分析法相比,提高了液体火箭发动机性能敏感性分析的准确度。结果表明:发动机推力和混合比对同一因素的敏感性存在差别,其中对发动机推力和混合比的影响最大的是涡轮泵效率,均呈现高度显著;紧随其后,对推力影响显著性最高的是副系统流阻特性,而对混合比影响最高的则是主系统流阻特性。研究表明,方差分析法可以有效提高敏感性分析的准确度,既为该型发动机的研制提供了理论支持,也为其他发动机的敏感性分析提供了新的参考。