“十一五”空间科学发展规划

空间科学开展从宇宙的过去到现在以至未来的研究，进行从宏观的天体到极端条件下原子与分子基本规律的探索，并从根本上揭示客观世界的规律。空间科学是世界各国争相研究的热点学科，也是各国展示科技实力的舞台，更是引领世界科技发展的重要驱动力。[第一段]     

基于FastSLAM的绳系机器人同时定位与地图构建算法

绳系式移动机器人可用于极端地形的探测,如陡峭斜坡、松软土壤、高耸悬崖、沟壑等。在运动过程中移动机器人的绳索不可避免地与障碍物接触甚至缠绕。由于绳索与障碍物之间的接触点不相互独立以及机器人模型的非线性特性,经典的FastSLAM框架不适用于绳索机器人的同时定位和地图创建（SLAM）问题。提出基于改进FastSLAM框架的绳系机器人SLAM算法。在该框架中,分别利用无迹滤波和粒子滤波解决接触点位置估计和机器人位姿估计问题,并利用非线性观测模型的无迹变换来简化粒子权重更新。仿真结果表明,该算法可有效地估计接触点位置,同时提高机器人位姿估计性能。     

面向稀薄流非线性本构预测的机器学习方法

稀薄非平衡流域内连续介质假设已经失效,主要围绕Boltzmann方程及模型方程对稀薄非平衡流开展理论与计算研究,统一气体动理论格式（UGKS）是其中一种代表性方法。在稀薄非平衡流数值模拟中,Navier-Stokes （N-S）方程连续介质假设已经失效,不能有效描述流场非平衡特征。UGKS方法虽然计算精度高,但速度空间离散导致计算效率低下,多维高速条件下数值计算难以开展。基于数据驱动的思想,在N-S方程与UGKS方法的研究基础上发展出了一种稀薄非平衡流非线性本构关系求解方法（DNCR）。该方法以N-S与UGKS求解器获得的流场数值模拟计算结果作为训练数据集,基于流场特征参数采用极端随机树算法生成机器学习模型,对预测流场中线性黏性应力项与热流项进行非线性修正,并耦合非线性本构关系求解宏观守恒方程得到目标状态稀薄非平衡流动数值解。针对DNCR方法中所采用的机器学习方法-极端随机树模型,通过二维顶盖驱动方腔流算例对高维非线性建模涉及的特征参数选取、参数调优开展了相关验证工作,选取若干典型状态对极端随机树模型的泛化性能开展研究,并评估了相关模型与方法的计算精度与计算效率。     

1700℃有氧环境下高超声速飞行器轻质防热材料隔热性能试验研究

文章针对高超声速飞行器需面临极端高温有氧热环境以及舱体表面单侧面受热的特点,建立了由硅钼发热体作为热源的红外辐射式超高温、时变、单侧面加热试验测试系统,开展了高达1700℃的有氧环境下高超声速飞行器轻质防热材料的隔热性能试验。另外,为了研究和优选高效隔热方式,对高超声速飞行器用单层轻质陶瓷隔热材料和陶瓷/纳米材料叠层复合结构在1700℃高温有氧环境下的隔热特性进行了试验测试;通过试验结果的对比分析,发现陶瓷/纳米材料复合叠层结构比单层轻质陶瓷材料的隔热效果提高近50%。     

基于稀疏核增量超限学习机的机载设备在线状态预测

为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法。针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法。通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典。针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新。通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%。     

基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究

为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法（SSA）与极限学习机（ELM）相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络（GRNN）、BP神经网络（BPNN）和极限学习机（ELM）比较,结果表明,相比于BPNN,ELM,GRNN,SSA-ELM用于预测可以使安装推力的均方根误差（RMSE）分别降低7.41%,17.01%,72.57%,安装油耗的RMSE分别降低4.32%,19.41%,66.77%,具有更高的预测精度。将基于SSA-ELM的数据驱动模型作为机载模型应用到性能寻优控制,结果表明,该机载模型能够维持理想的寻优效果。针对最大安装推力模式开展实时性分析,该机载模型相比于进/发一体化部件级模型,平均计算时间由184.05 ms缩短至1.357 ms,实时性得到显著改善,大大提高了寻优效率。     

基于长期驻月设施热管理系统的月壤储热块储热性能分析

针对长期驻月设施过月夜问题,基于月壤原位资源月昼蓄热、月夜期间释放热量可维持设施生存温度的理念,调研了不同加工工艺成型储热块的热物性,研究了单位体积圆柱形储热块热分析方法及边界条件选取,并进行了多周期的瞬态热仿真,获得了其储热性能和温度变化范围.结果表明:蓄热过程中恒温层耗散储热块约10％的热量,验证了热分析模型中月壤...     

基于多智能体强化学习的月面极端区域协同探测方法

针对单个月球车难以高效鲁棒地探测月面极端区域的问题,提出了一种基于多智能体强化学习的月球车协同探测方法。首先,将探测区域进行离散化处理,并使用栅格地图表达探测信息及各月球车的位置信息,然后,使用深度神经网络对视觉图像信息、激光雷达信息以及栅格地图信息进行特征提取;之后,在多智能体强化学习的架构下学习月球车的协同探测策略,通过设计考虑探测时间、安全约束及通信约束的奖励函数,使月球车可以快速安全地对月面极端区域进行协同探测;最后,在Gazebo中搭建了月面仿真环境并进行了仿真验证。结果表明：所提出的方法具备较高的探测效率与较好的安全保障。     

卫星遥测数据短时CEEMDAN-PSO-ELM预测模型

针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题,提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解,以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列,依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中,与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小,在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。     

航空发动机传感器信号重构的K-ELM方法

针对航空发动机传感器信号重构,提出了评价核极限学习机（K ELM）模型性能的一种快速留一交叉验证方法.结果表明:该方法可以避免原始的留一验证方法N次模型的显式训练,将计算复杂度降低为原来的1/N（N为样本数目）.该算法可以快速准确评价核极限学习机的性能,为核极限学习机确定最优的核参数.