基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

计算机仿真椭圆钣金件拉深成形技术研究

应用PAMSTAMP数值模拟仿真功能,研究了不同压边力及分步成形对椭圆钣金件拉深成形的影响,解决了拉深成形过程中的缩颈及开裂缺陷,通过计算机仿真,获得了最佳的工艺参数和工艺流程。     

高精度VLBI技术在深空探测中的应用

介绍了适合单探测器测定轨的高精度VLBI技术和适合多探测器测定位的同波束VLBI技术的研究进展。利用"嫦娥3号"着陆器的ΔDOR型VLBI观测,得到了误差0.67ns的VLBI群时延数据。利用"嫦娥3号"着陆器和月球车的同波束VLBI观测,得到了随机误差0.3ps的差分相时延数据,以数厘米的灵敏度监测出月球车的移动、转弯等动作,并把月球车的相对定位精度提高至1m。针对深空探测,提出了使VLBI时延测量精度进一步提高所需要开展的部分研究内容。     

Aerial-BiSeNet: A real-time semantic segmentation network for high resolution aerial imagery

The aircraft system has recently gained its reputation as a reliable and efficient tool for sensing and parsing aerial scenes. However, accurate and fast semantic segmentation of high-resolution aerial images for remote sensing applications is still facing three challenges: the requirements for limited processing resources and low-latency operations based on aerial platforms, the balance between high accuracy and real-time efficiency for model performance, and the confusing objects with large intra-class variations and small inter-class differences in high-resolution aerial images. To address these issues, a lightweight and dual-path deep convolutional architecture, namely Aerial Bilateral Segmentation Network (Aerial-BiSeNet), is proposed to perform real-time segmentation on high-resolution aerial images with favorable accuracy. Specifically, inspired by the receptive field concept in human visual systems, Receptive Field Module (RFM) is proposed to encode rich multi-scale contextual information. Based on channel attention mechanism, two novel modules, called Feature Attention Module (FAM) and Channel Attention based Feature Fusion Module (CAFFM) respectively, are proposed to refine and combine features effectively to boost the model performance. Aerial-BiSeNet is evaluated on the Potsdam and Vaihingen datasets, where leading performance is reported compared with other state-of-the-art models, in terms of both accuracy and efficiency.     

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

基于高斯过程的机器人自适应抓取策略

在机器人抓取作业时,目标物体的位姿经常发生变化。为了使机器人在运动过程中能够适应物体的位姿变化,提出了一种基于高斯过程的机器人自适应抓取策略。该方法建立了从观测空间到关节空间的映射,使机器人从样本中学习,省去了机器人视觉系统的标定和逆运动学求解。首先,拖动机器人抓取物体,记录物体的观测变量和机器人的关节角度;然后,利用记录的样本训练高斯过程模型,实现观测变量和关节角度的关联;最后,当得到新的观测变量时,通过训练的高斯过程模型得到机器人的关节角度。经过训练后,UR3机器人成功抓取了物体。     

基于验后概率的Bayesian序贯方差检验技术(Ⅰ)

基于验后概率和"小概率事件原理",对复杂假设条件下,方差的Bayesian序贯检验,提出了基于Bayesian验后概率的序贯方差检验的基本假设,建立了Bayesian序贯方差检验(BSVT)模型,设计了临界值的求解算法,并对"强制"截尾条件下的假设检验判别准则进行了论述.最后,结合示例对BSVT模型的求解与应用进行了说明.      

中国航天发展历程与启示 ——2009年空间环境与材料科学论坛大会报告

文章指出我国在应用卫星与卫星应用、载人航天和深空探测三大航天领域取得了巨大成就,为中国的经济、社会发展做出了巨大贡献,也展示了中国的综合实力。经过几十年的发展,中国进入太空能力得到了很大的发展,但在太空利用能力和太空控制能力的建设上还有更大的发展空间。随着我国航天事业的发展,用户对航天器的高可靠、长寿命的要求迫切,作为航天器功能实现的技术基础,环境、材料等基础研究工作应该去适应这种发展需求,加快基础能力的建设与发展。     

基于Markov Chain Monte Carlo的幂律过程的Bayesian分析

在多种合理的无信息先验分布下,基于Markov Chain Monte Carlo方法,提出了一种简单且易于抽样的幂律过程的Bayesian分析方法.所提方法将失效、时间截尾数据统一分析,能快捷地获取幂律过程模型参数的Markov Chain Monte Carlo样本,利用该样本不但能直接给出模型参数函数的后验分布,还能给出单样预测和双样预测的分析.一个经典工程数值算例说明了所提方法的可行性、合理性与有效性.该方法具有一定的优越性,可为小子样可靠性增长分析提供一种值得参考的方法.      

高职学生英语课外学习情况调查与分析

对重庆城市管理职业学院非英语专业二年级学生的英语课外学习进行问卷调查并对调查结果进行分析,针对调查结果存在的问题,提出提高高职学生英语个性化自主学习能力的建议,做到课堂英语教学与课外英语学习的有机统一。