一种航天器交会与接近路径规划算法

针对非合作交会与接近任务中近程导引段航天器的三维路径规划问题,提高其在多约束条件下的寻优性能,提出一种融合混沌映射、自适应随机动态扰动、随机探索机制以及反向学习策略的混合蝙蝠算法。首先,利用Circle混沌映射进行种群初始化,提高种群多样性;在全局搜索中引入自适应随机动态扰动系数,并在位置更新时进行位置限定,提高算法全局寻优的性能;在局部搜索中融入柯西分布的逆累积分布函数,避免算法进入局部最优。同时,引入分段随机的反向学习策略,进一步提高种群多样性,平衡全局寻优与局部探索的性能。然后,以基于升序排列的路径节点进行三次样条插值编码,构造躲避障碍物求解航天器三维路径的适应度函数,结合混合蝙蝠算法求得平滑路径曲线。最后,通过对比仿真表明了所提方法的最优路径次数较对比算法增加,最差路径次数减少,路径平均解减少。     

一种基于语义的Ontology映射方法

O n to logy映射是实现异构O n to logy互操作的有效方法,目前的O n to logy映射主要采用句法方法,而很少采用语义方法。本文提出了一种基于语义的O n to logy映射方法,该方法考虑了O n to logy中的概念属性,采用概念名称相似性、概念属性集合相似性、相关概念集合相似性等确定O n to logy之间的语义映射关系;采用语义半径提高了语义映射方法的灵活性。试验分析表明:该方法得到的映射的准确率和查全率在90%以上,准确率和查全率均优于S-M atch方法。该方法已在基于知识需求的主动式知识系统原型中实现,并在某研究所得到了应用。     

一种空间邻近目标红外多传感器立体分辨方法

空间邻近目标在红外像平面的成像因相互交叠而形成簇状像斑,对红外传感器的信号处理提出了分辨的要求。为实现对空间邻近目标的立体跟踪定位,提出基于量子粒子群优化的空间邻近目标红外多传感器立体分辨方法。在对目标像平面成像建模基础上,构建基于最小二乘准则的空间邻近目标立体分辨目标函数,针对目标函数的高维非线性特点,以QP-SO解决目标函数优化问题,估计目标空间位置。仿真结果表明:相比于传统的先单传感器像平面分辨后多传感器视线交叉定位方法,此法具有更优的目标位置估计精度、辐射强度估计精度和目标个数估计正确率。     

BOM多视图映射技术

提出了BOM多视图的概念,介绍了BOM多视图映射技术,给出并分析了BOM多视图映射的数据流程图,实现了BOM多视图数据之间的数据映射。     

支持系统信息共享的制造信息映射与集成方法

 为解决系统集成中信息结构复杂和结构转换困难的问题,提出了一种异构制造信息的映射转化方法。通过对制造信息内容及信息间关系的分析,建立了包括物料、工艺、零件及资源在内的统一制造信息模型,并对模型支持下的制造信息结构化表达方法进行了研究。通过对制造信息映射情况的分析,总结定义了节点/属性计算单元和条件计算单元两类计算因子,并用一个实例说明了如何应用计算因子的不同组合实现信息的结构转换。提出了一种基于消息中间件的系统集成框架,对信息映射方法在框架中的应用模式进行了讨论。研究成果在某航空企业得到了应用实现,并取得了较好的应用效果,验证了所提方法的可行性。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法,提出了利用SOM神经网络对输入样本的“聚类”作用,实现对故障模式的分类,并据此对故障进行诊断的新方法,通过对某卫星电源系统故障的诊断实例,验证了该方法是有效可行的,能对卫星电源系统的故障进行准确的实时诊断。     

有关偏好及效应函的几个问题

文章给出消费、需求理论中有关偏好，效用函数的几个结论并给出数学证明，继而向人们的初步介绍把数学工具引入到经济学研究中去。     

基于特征映射的涡轮导向叶片精铸模型自动转换研究

通过对涡轮导向叶片及其精铸模型结构特点的分析,以特征映射理论为依据,提取其结构特征、特征内部的约束关系和构成特征的几何元素,将叶片的内外零件模型添加加工余量、工艺附件、收缩率后得到精铸模具设计和制造所需要的模具型腔体模型,从而完成了精铸模具设计各模型间的自动转换,大大缩短了精铸模具的设计周期,具有重要的理论和实践应用价值.     

人眼启发的图像非均匀映射变换模型构造算法

人眼的视觉信息采集是非均匀的。这种特征和注意力机制确保了人类视觉系统在信息处理方面的优先性。首先介绍了对数极坐标映射，然后基于人类视觉系统的构造，提出了非均匀映射模型的构造规则。基于此规则，以线性模型为例进行了应用性研究。扩展了非均匀映射模型的范围，促进了空间变分辨率视觉理论的进一步发展。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。