基于残差SDE-Net的深度神经网络不确定性估计

神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题，一是在处理大规模数据集时，随着网络层次的增加会导致性能退化；二是SDE-Net在处理具有噪声或高丢失率的分布内数据所引起的偶然不确定性问题时性能较差。为此设计了一种残差SDE-Net(ResSDE-Net)，该模型采用了改进的残差网络(ResNets)中的残差块，并应用于SDE-Net以获得一致稳定性和更高的性能；针对具有噪声或高丢失率的分布内数据，引入具有平移等变性的卷积条件神经过程(ConvCNPs)进行数据修复，从而提高ResSDE-Net处理此类数据的性能。实验结果表明：ResSDE-Net在处理分布内和分布外的数据时获得了一致稳定的性能，并在丢失了70%像素的MNIST、CIFAR10及实拍的SVHN数据集上，仍然分别获得89.89%、65.22%和93.02%的平均准确率。     

XPNAV-1卫星先期发布数据的计时分析

本文处理了XPNAV-1先期公布的35组Crab脉冲星的观测数据，采用离散傅里叶变换(DFT)方法得到脉冲到达时刻(TOA)及其测量精度。利用英国Jordrell Bank发布的Crab脉冲星星历与美国JPL发布的DE200历表，得到的拟合前计时残差均方根(RMS)为1.14 μs，且不存在系统性趋势，从而验证了XPNAV-1观测数据的有效性。同时，得到了该观测数据时间段内Crab脉冲星的X射线和射电波段之间的零点相位差为0.04。本文还给出了建立脉冲轮廓时子相位间隔N的取值与计时残差的RMS之间的关系。     

USB观测数据时标偏差影响分析与评估

USB系统是目前中国载人航天和月球探测任务的主要测控网.由于USB测量设备本身以及无线电信号传播媒介以及其他误差因素的影响,USB测量数据中包含了各种误差,需要在定轨时对观测数据进行误差修正.通常,例行的USB测量误差修正包括对流层折射修正、电离层延迟修正和通道延迟修正,但对定轨过程中可能影响观测数据计算精度的时标偏差并未作修正.针对USB测距测速观测数据,详细研究了观测数据时标偏差对观测值计算精度的影响,分析了误差影响特性,建立了相应的误差修正模型,并通过与卫星星历偏差对USB测距测速观测值计算精度影响特征的比较,发现时标偏差对测量的影响与轨道沿迹误差对观测计算值的影响等效,这使得在定轨过程中分离时标偏差的难度较大.提出了基于星载GPS定位数据分离时标偏差的方法,并利用某次任务的实测数据,分离出了该次任务中USB测量的时标偏差.最后针对目前USB数据时标偏差影响和观测误差量级相当的情况,建议将目前的观测时标精度提高到优于0.1ms的水平,使得时标偏差的影响降低到比观测误差小一个量级的水平.     

多特征注意力的航空发动机剩余寿命预测模型

航空发动机性能退化趋势复杂,适时地对其进行剩余寿命预测和检修维护十分重要。提出一种基于多特征注意力的膨胀卷积网络模型来预测航空发动机剩余使用寿命,利用膨胀卷积增强提取序列数据时序信息的能力,同时建立残差连接以改善传统卷积网络中的梯度消失问题。首先采用定长滑动时间窗沿时间维度截取数据,对数据进行重构;再对每个特征对应的时间序列单独应用膨胀卷积提取时序信息;引入特征注意力机制计算各特征之间的相对重要性;在公开的航空发动机数据集上进行验证,并对比现有的主流预测方法。结果表明：该模型在时间序列数据预测方面有着更高的精度。     

检测湿度计的几点体会

根据我们多年对湿度计进行检测的结果,国内生产的湿度计有相当部分达不到其说明书上标明的技术指标,同时存在技术参数不全面的问题.因此,严格对湿度计的使用前检测和定期跟踪试验,就显得尤其重要.     

捷联惯导系统级余度技术研究(上)

为提高捷联惯导系统(SINS)长时间工作的导航精度，分析了SINS的姿态角、飞行速度和定位三类基本误差，以及系统误差的表示方法。给出了SINS与全球卫星定位系统(GPS)、多普勒导航系统(DNS)组合导航系统的状态方程和误差分析，在给定条件下进行了仿真试验。在此基础上，采用残差X^2和状态X^2检验法，对SINS／GPS，SINS／DNS组合系统中子系统故障检测与隔离的原理和方法进行了研究，并用残差x。检验法对容错组合导航系统进行了仿真。结果表明，采用SINS／GPS，SINS／DNS组合系统可提高导航精度，用残差X^2检验法可判定发生故障的子系统并进行隔离。     

基于Minitab的预测分析技术在航空维修中的应用

在我国航空设备应急维修保障中有较多的预测问题,对航空设备的总体技术状态、故障率、备件消耗水平等做出科学合理的研究和预测,对于提高航空维修工作的预见性,对策的针对性和科学性,进而提高备件使用率,节约企业成本,提高我国航空器备件周转率等均具有非常重要的意义。     

GMRES算法在悬停旋翼数值模拟中的应用

发展了一种基于广义极小残差(GMRES)算法的悬停旋翼数值模拟方法,并对GMRES算法中矩阵与向量乘积的两种计算方法进行了分析和讨论。应用该方法在旋转坐标系中采用非结构混合网格和格点格式有限体积法对以绝对速度为变量的欧拉方程进行了直接求解,其中对流项的离散应用了基于Roe的Riemann近似解的迎风格式。对Caradonna-Tung旋翼跨声速悬停流场进行了数值模拟,计算结果与相关实验数据吻合较好,并与LU-SGS方法进行了对比,表明GMRES算法可以有效地加速流场的收敛,提高计算效率。     

使用深度残差网络的乘波体气动性能预测

本文探究深度学习人工智能技术在飞行器气动外形预测中的应用。以激波装配法乘波体设计为背景,建立气动数据快速生成工具,使用拉丁超立方采样得到海量样本数据。使用深度残差神经网络构建气动外形参数到气动性能数据的代理模型,并与随机森林和双隐层神经网络等普通机器学习模型对比;同时将数据转换为图片,研究基于图片识别的深度学习模型搭建,省略飞行器外形的参数化表达。测试结果说明,深度残差网络作为数据代理模型的精度是随机森林和双隐层神经网络的3倍以上,而基于图片识别的代理模型精度提高有限。研究表明,深度残差网络在乘波体等易于生成大量数据的气动外形的性能预测中效果明显,为深度学习技术在气动外形设计中的应用奠定了基础。     

一种快速定位SR20飞机空调系统渗漏漏点的方法

某飞行学院的SR20型飞机选装了空调系统,统计发现该机型空调系统故障率较高,表现为空调不制冷、制冷剂压力不足等。本文通过对空调系统构型、工作原理和常见渗漏故障的分析,结合维护手册的排故建议,提出一种能够快速定位空调系统渗漏点的方法——适压渗漏检测法,以缩短排故时间,减少飞机停场率,保证飞行训练正常用机需求。