变质量飞行器变轨中摇摆发动机指向跟踪问题研究

针对携带大推力摇摆式轨控发动机的变质量飞行器,研究了其推力方向跟踪质心位置变化同时指向惯性空间推进方向的问题。研究中将飞行器分为可摇摆的发动机和变质量的平台两部分,利用雷诺迁移定理和变质量力学原理建立了整个变质量系统的数学模型;在控制系统设计中,通过一组线性转换,将系统转换为摄动双积分系统,以时间最优为性能指标,利用相平面法构造开关控制律。仿真结果表明,变质量飞行器利用该控制律能够实现摇摆发动机在惯性空间中跟踪质心位置变化的同时与推进方向保持一致。     

母语迁移现象与非英语专业学生翻译能力的提高

论文分析了母语迁移现象对第二外语习得的影响,并以教学中所常见的非英语专业学生在英汉互译方面容易出现的错误为例,从语间干扰、语内干扰及文化交际干扰等方面分析了母语迁移现象对学生翻译能力的影响,最后提出了如何利用母语迁移现象来提高学生翻译能力的建议.     

分布式虚拟靶试系统中负载平衡机制设计与实现

针对大规模分布式交互仿真系统的开发需求,基于MAK／RTI深入研究了分布式仿真系统的负载平衡技术,并在分布式虚拟靶试系统中得到应用与验证。     

空间变化场景下卫星部组件域适应识别研究

针对小样本限制下卫星部组件识别域适应困难的问题,提出一种变化场景下自适应迁移的目标识别算法.卫星部组件的识别模型框架为YOLO,迁移算法包括3个策略:基于特征关联性的样本加权策略,基于模型的参数自适应策略和最优特征变换自适应迁移策略.基于以上策略,YOLO模型建立域特征空间的相似性,选择性地迁移源域知识,同时在适应过程...     

基于自建语料库的大学生英语写作母语负迁移现象研究

为了探究理工科专业大学生在英语写作过程中的母语负迁移现象,研究采用小型自建语料库,运用BFSU Qualitative Coder 1.1和BFSU Qualitative Explorer 1.0.1进行语料标注统计,结合Sketch Engine语料检索,分析大学生英语议论文写作错误的整体情况。结果表明大学生语言错误体现在拼写、中式英语和名词的数等方面,因受词汇、句法和思维模式的影响,这些方面容易产生母语负迁移现象。研究以自建语料为工具,选用与以往研究不同的受试,这能为二语写作母语负迁移现象研究提供具有代表性的研究数据,同时也能为提高二语写作教学提供科学依据。     

基于联合分布适配的智能电表运行状态评价

针对智能电表运行状态评价中经常存在带标签的数据采集困难且不同地区的数据分布不一致的问题，在智能电表的运行状态评价领域引入迁移学习中的联合分布适配（JDA）算法。该算法寻找一个最优化的变换矩阵，使得在变换后的空间中不同地区数据的边缘分布和条件分布距离最小化。针对条件分布适配中目标域没有数据标签的问题，采用伪标签迭代的方法使得目标域伪标签不断接近真实标签。变换后空间数据中训练得到的分类模型可以运用于新的地区，实现迁移。实验结果证明了JDA算法在智能电表运行状态评价中的有效性。      

基于深度迁移强化学习的无人机投放自主引导机动控制算法

针对无人机精确投放引导问题，本文提出基于深度迁移强化学习的无人机投放自主引导机动控制算法，分别建立基于马尔可夫决策过程的引导机动决策模型、引导机动评估模型等，并设计基于迁移学习和课程学习的引导机动策略训练方法，拟合基于深度学习的引导机动策略和评估网络，最后开展仿真训练和验证试验。仿真结果表明，该算法实现了无人机在任意姿态和位置条件下，能够自主规避区域威胁并自主引导至目标投放点，成功完成投放瞄准任务，有效地提升了无人机投放引导机动控制的自主性。     

BDNPF/A含能增塑剂迁移对丁腈橡胶类绝热层性能的影响

为探索含能增塑剂2,2-二硝基丙醇缩甲醛/2,2-二硝基丙醇缩乙醛(BDNPF/A)迁移对丁腈橡胶基体绝热层性能的影响，采用浸渍法模拟BDNPF/A在丁腈橡胶基体绝热层内的迁移，获得了与自然条件下贮存12 a试验件内同配方绝热层BDNPF/A迁移含量基本一致的模拟试验件，并开展了热分解性能、抗烧蚀性能以及300℃恒温预处理后力学性能等测试。结果表明，浸渍30 d后，模拟试验件内BDNPF/A的重量占比达26.01%;与自然贮存12 a试验件绝热层内BDNPF/A含量相近；BDNPF/A迁移至丁腈橡胶基体绝热层后，导致丁腈橡胶基体绝热层提前分解，热防护作用下降，耐烧蚀性能明显降低且300℃恒温处理后绝热层抗拉强度降低98%以上，基本失去力学性能；同时，采用三元乙丙橡胶基体绝热层作为对比，在相同条件下开展BDNPF/A迁移实验，结果显示，BDNPF/A在三元乙丙橡胶基体绝热层内不发生迁移；分析认为，由于BDNPF/A和丁腈橡胶基体绝热层都属于极性材料，两者互溶导致迁移的产生，BDNPF/A分解产生大量的热和酸性气体，导致丁腈橡胶基体绝热层性能下降；在固体发动机设计时，应考虑增塑剂与绝热层的...     

基于域自适应的复合材料结构损伤识别方法

深度学习模型能够辅助提高基于导波的复合材料结构损伤监测的可靠性，但需要大量的损伤样本。以大量的模拟损伤样本和少量的真实损伤样本为基础，设计一种基于域自适应的损伤识别模型，实现从模拟损伤识别向真实损伤识别能力的迁移。首先，通过粘贴质量块收集大量模拟损伤数据，设计卷积-时序混合神经网络，实现对模拟损伤的高准确率识别；然后，在模型中加入域自适应模块，使模拟损伤和真实损伤数据在特征空间内分布规律近似，进而在无需对真实损伤进行标注的情况下，实现准确识别。实验结果表明，该方法对真实损伤的检出准确率为85.7%,优于传统深度学习模型。     

装备系统剩余使用寿命预测技术研究进展

社会的稳定发展离不开制造业的高水平发展，生产是制造业的关键步骤，长期持续稳定的产出依赖于装备系统的稳定运行。系统故障引起的停产势必会造成一定的经济损失。如何尽早地发现装备系统的故障来避免停工停产带来的经济损失，已经成为了当前应用研究中的热点。采用定期人工检查的传统方法不仅提高了生产成本，还使得问题发现较为滞后，达不到实时监控的目的。而且，随着信息技术的高速发展，装备系统的监测也变得更加智能化。利用装备系统的历史数据检测其状态能够更敏捷、更高效地发现装备运行中的“亚健康”问题，能给装备管理者提供有益的决策支持。基于装备剩余使用寿命的数据预测，能够提供高效智能的解决方案，在工业领域有着宽广的应用前景。因此，本文聚焦于装备系统剩余使用寿命预测技术的研究进展，对近年来剩余使用寿命预测的研究进行归纳总结，并讨论各剩余使用寿命预测理论与方法的优缺点。最后，总结并展望装备系统剩余使用寿命预测技术的未来研究方向和发展趋势。