基于深度学习的翼型反设计方法

建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。     

基于F代表点的高斯过程矩匹配滤波

提出了一种基于F偏差代表点的高斯过程矩匹配滤波方法。该方法通过高斯过程学习系统的过程函数和观测函数,在高斯矩匹配滤波的框架下利用F偏差代表点进行数值计算。在单变量非线性模型及静基座初始对准中进行的仿真实验表明,该方法的精度不低于解析计算的高斯过程假设密度滤波（GP-ADF）,远高于高斯过程无迹卡尔曼滤波（GP-UKF）。     

英语写作元认知能力培养

为了解决英语写作教学费时低效的问题,根据元认知理论框架对54名高职高专商务英语专业二年级的学生进行了行动研究。研究方法包括收集相关材料、制订并实施改进写作教学的行动计划、评估计划实施的效果。结果是绝大部分学生对本学期的写作教学和在写作方面取得的成绩表示满意。最后对研究过程和结果作分析,针对不足之处提出了改进办法,并提出了有待研究的新问题。     

非英语专业本科生学习风格探究及启示

研究学习风格和英语学习成绩之间存在的关系。利用PLSPQ对河南省洛阳市三所高校的479名非英语专业二年级学生进行调查问卷,以学生的四级成绩为依据,分析其学习风格总体状况及其偏好以及在学习风格上所呈现出的差异。结果表明,非英语专业本科生触觉型学习风格的倾向性最为明显,听觉型学习风格倾向最弱,就学习风格而言,英语学习成绩优异者与成绩较差者存在较为明显的差异。结论是学习风格与学习成绩之间并没有显著的关系。     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。     

基于贝叶斯网络的某型导弹状态评估

针对传统"是非制"状态评判方法过于粗略的问题,将某型导弹状态重新细划为"优"、"良"、"中"、"差"和"故障"5个等级。在充分考虑导弹定量信息和定性信息的基础上,结合云模型建立了多状态信息融合的贝叶斯网络模型,提出了基于贝叶斯网络的状态评估方法,以期为装备质量的科学有效管理提供技术支撑。     

基于深度学习的太阳10.7 cm射电流量日值的中期预报

针对太阳10.7cm射电流量中期日值预报问题,采用深度学习方法,建立了一个典型的基于多层感知器模型的神经网络。该网络采用1个包含90个神经元的隐含层,实现了一种非参数的时间序列自回归模型。预报中不仅考虑历史日值,还考虑了历史预报误差。模型根据前27d的历史数据实现了未来27d的日值预报。通过对50多年数据的训练和试验分析,该方法在短期和中期预报上较传统方法的相对误差明显降低。特别是模型经一次训练后,参数可以完全固定,不同于以往研究参数需要每天滚动更新,大大简化了日常预报,同时极为有利于模型在其他相关应用中的推广。     

大型深空测控天线副反射面控制技术

针对大口径、高频段深空测控天线主/副反射面变形引起的天线电性能下降问题,采用副反射面控制技术实现天线的电性能补偿。首先,在分析并联机构数学模型的基础上,结合并联机构坐标系定义,给出六自由度并联机构位姿的正、逆解;其次,根据变形后天线形状采用抛物面拟合法给出副反射面位姿与仰角的关系,这样在天线实时运动过程中,可根据仰角查找出副反射面位姿最佳工作点;最后通过六自由度并联机构正、逆解及控制算法控制副反射面到最佳位置和姿态上。理论分析和工程实践表明,副反射面控制技术通过控制副反射面中心到最佳焦点位姿上,可实现对天线电性能的有效补偿。六自由度并联机构控制具有自身承载力强,位置、姿态控制灵活等特点,适合于大型天线副反射面实时精密控制。     

高能电子辐照下聚合物介质深层放电实验研究

为揭示聚合物介质材料在连续能谱高能电子辐射下的深层放电规律特征,利用~(90)Sr放射源对聚四氟乙烯(PTFE)材料进行了不同条件的辐照实验。对采集的大量放电数据进行统计分析发现,电子辐照累积时间、入射电子通量以及温度都会影响介质的放电风险以及放电脉冲特征。高能电子对样品持续数天的累积辐照会降低介质自发放电的阈值条件,辐照后期放电更加频繁,但放电强度会减弱。入射电子通量越低时,放电风险越小;通量越高时,放电频率越高,高强度放电事件的发生概率也越大。温度主要通过影响介质的电导率而影响其深层放电特性,温度下降时介质本征电导率降低,充电电位和放电风险增加;一旦发生放电,放电电流脉冲的平均幅度也更大。     

Drogue detection for autonomous aerial refueling based on convolutional neural networks

Drogue detection is a fundamental issue during the close docking phase of autonomous aerial refueling(AAR). To cope with this issue, a novel and effective method based on deep learning with convolutional neural networks(CNNs) is proposed. In order to ensure its robustness and wide application, a deep learning dataset of images was prepared by utilizing real data of ‘‘Probe and Drogue" aerial refueling, which contains diverse drogues in various environmental conditions without artificial features placed on the drogues. By employing deep learning ideas and graphics processing units(GPUs), a model for drogue detection using a Caffe deep learning framework with CNNs was designed to ensure the method's accuracy and real-time performance. Experiments were conducted to demonstrate the effectiveness of the proposed method, and results based on real AAR data compare its performance to other methods, validating the accuracy, speed, and robustness of its drogue detection ability.