基于迁移学习的四旋翼无人机性能驱动的故障检测

致力于解决四旋翼无人机的故障检测问题.考虑到无人机模型是一个非线性强耦合的模型,提出一种基于神经网络的性能驱动故障检测方法.然而,当无人机进入新的重力场时,已建立的故障检测系统无法适用.为了解决这个问题,进一步提出一种基于迁移学习的故障检测方法.通过子空间迁移方法和布雷格曼散度度量方式,将源域与目标域对齐,并实现了神经网络的参数迁移以及阈值设定.在四旋翼无人机系统中验证了本文所提出的方法的有效性.     

基于云计算的航天器控制系统自组织体系结构

针对目前航天器控制系统中计算单元冗余备份过多但系统动态效能不足的问题,提出一种航天器控制系统自组织体系结构,通过高速对等网络将系统建立在云计算的基础上,取消单节点的冗余备份,以系统整体能力为单个节点做备份,当出现节点故障时动态迁移其程序和数据到其他正常节点以继续其功能,从而实现系统在故障时计算体系的动态聚合重构.     

组分迁移对NEPE推进剂界面粘接性能的影响

根据70℃下加速老化试验中粘接性能的变化和界面区域迁移组分含量的变化,研究了NEPE推进剂中硝酸酯、功能助剂的迁移对粘接性能的影响。结果表明,随着衬层粘合剂的极性增大,推进剂中硝酸酯和功能助剂AD1、AD2向衬层的迁移量增加;AD1、AD2的迁移对界面粘接性能有显著影响。     

基于物理神经网络的导热问题无网格计算方法

建立了物理神经网络（PINNs）求解导热问题的通用框架，描述了三维非稳态问题、初始条件和三类边界条件及曲面边界的处理方法。使用PINNs求解了一个一维导热问题。求解结果与理论解的最大相对误差为0.001 7%，平均相对误差为0.001 1%。使用一个简化叶片的导热问题作为案例，将PINNs与传统有限元方法进行对比，探究了PINNs不同的网络架构和超参数对结果的影响。对于简化叶片的导热问题，有限元方法求解时间为11.7 s,PINNs平均求解时间为8.96 s，求解结果的最大误差为1.03%，平均误差为0.139%。微调实心叶片的内冷源强度，在训练收敛的PINNs基础上重新采样计算，新的计算收敛时间为1.41 s，证明了PINNs方法具有设计条件微调时的快速计算能力。     

电渗析合成离子液体过程中的离子迁移行为

在实现利用电渗析合成离子液体[BMIM][CH3COO]的过程中,最关键的是离子的竞争迁移问题。本文分别考察了操作电压、初始溶液浓度、反应时间对离子迁移速率的干扰与特点。最后得出,将均相离子交换膜置于初始液浓度是100mmol/L、电压设置是4V的条件下3h,那么杂质离子和目标离子的分离结果最显著。     

语义韵冲突中的母语迁移因素

语义韵是一种特殊的搭配现象。语义韵和谐与否是判断搭配地道与否的重要标准。中国英语学习者目前对于语义韵的知识比较缺乏，常常导致语义韵冲突。本文通过研究中国学习者所犯语义韵冲突错误的实际例句，发现母语迁移因素是造成中国学习者语义韵冲突错误的主要原因。     

NEPE推进剂粘接界面迁移组分定性分析

应用气相色谱-质谱(GC-MS),采用不同的色谱实验条件,用二氯甲烷萃取,对NEPE推进剂/衬层/绝热层ф25 mm圆柱标准粘接试件粘接界面不同沸点的迁移组分进行了定性分析研究。研究结果表明,推进剂中迁移组分主要有增塑剂硝化甘油(NG)、丁三醇三硝酸酯(BTTN)、稳定剂AD和燃速催化剂辛基二茂铁(ODCI),这些迁移组分可向衬层和绝热层迁移;衬层中迁移组分为增塑剂癸二酸二辛酯(DOS),该组分只向绝热层迁移,不向推进剂中迁移。     

分布式实时系统中的多Agent调度

以机场航班运营管理系统(flight operation and management system，FOMS)为应用背景，对分布式实时系统中的Agent调度算法进行探讨。在分析实时系统特点的基础上，结合具有定时事件序列特征的FOMS，对定时事件序列进行了形式化描述，建立了分布式实时多Agent。系统的结构模型，并对其结构特点、系统负载能力和常用的Agent实时调度算法分别进行了分析与论述。为解决分布式实时系统中多Agent调度与迁移过程中实时任务处理不问断性和通信可靠性问题，本文提出了事件处理的分级调度策略和多Agent调度的迁移与定位同步算法(Synchronization of agent moving and locating，SAML)，并对其实现机理以及Agent djrectory和Agent scheduler的中介服务在实现SAML中的作用进行了介绍。最后分别对采用SAML和异步迁移算法时事务处理的实时特性作了分析比较。     

一种结合全局和局部相似性的小样本分割方法

针对小样本分割中如何提取支持图像和查询图像共性信息的问题,提出一种新的小样本分割模型,同时结合了全局相似性和局部相似性,实现了更具泛化能力的小样本分割。具体地,根据支持图像和查询图像全局特征和局部特征之间的相似性,提出了一种新型注意力谱生成器,进而实现查询图像的注意力谱生成和区域分割。所提注意力谱生成器包含2个级联模块:全局引导器和局部引导器。在全局引导器中,提出了一种新的基于指数函数的全局相似性度量,对查询图像特征和支持图像的全局特征进行关系建模,输出前景增强的查询图像特征。在局部引导器中,通过引入局部关系矩阵对支持图像特征和查询图像特征之间的局部相似性进行建模,得到与类别无关的注意力谱。在Pascal-5i数据集上做了大量的实验,在1-shot设定下mIoU达到了59.9%,5-shot设定下mIoU达到了61.9%,均优于现有方法。