机器学习技术在气动优化中的应用

近年来优化设计在气动设计中发挥了越来越多的作用,但实用性和效率是制约其发挥作用的两大障碍。在大型客机超临界机翼设计中,通过"人在回路"（依靠人的经验在优化进行过程中实施必要干预）等努力,取得了较好的效果,机器学习技术逐步得到发展。提出了利用机器学习技术模拟人在优化过程中的合理行为和作用机制,以深层次利用信息和知识,改善优化的实用性和效率。梳理了机器学习技术在气动优化中应用的发展脉络,并结合工作实践介绍了机器学习在优化设计中的典型应用。进一步探讨了深度学习在气动优化中的可能应用方式。     

Interactivity in map learning: The effect of cognitive load

The hypothesis that active learning is beneficial relative to passive observation was assessed in the context of spatial knowledge derived from maps. Active and passive participants studied a map either while performing a simultaneous spatial tapping task (high cognitive load) or in the absence of this task (low cognitive load). Active participants controlled how the map was learned, with passive participants observing map learning without exercising control. Spatial recall was assessed in two tests, directional judgements and map drawing. Map drawing and directional judgments showed a similar pattern of results, with performance detrimentally affected by a high load for active participants, but not for passive participants. The results indicate that activity and cognitive load interact, suggesting that active learning can be detrimental to spatial learning in cognitively demanding tasks.     

单轴飞轮故障时的小卫星姿态控制方法研究

反作用飞轮和磁力矩器是现代小卫星姿态控制的主要执行机构,针对单轴反作用飞轮故障仅能提供两轴控制力矩的情况,提出了一种使用磁力矩器和反作用飞轮进行联合控制的算法。首先推导了一种拟PD姿态控制律,在此基础上提出了剩余两反作用飞轮和磁力矩器的控制力矩分配策略。仿真结果表明,该算法能够在单轴飞轮故障情况下完成小卫星高精度姿态控制任务,延长航天任务寿命,算法鲁棒性好,设计简单且易于在轨实时计算。     

基于深度强化学习的高超声速飞行器动态面控制方法

针对高超声速飞行器控制问题,通过将深度强化学习与动态面控制方法相结合,设计了智能姿态控制算法。首先,基于模型先验知识,采用传统的动态面控制方法设计控制器结构。然后,考虑跟踪误差和控制量幅值约束的情况下,采用深度学习算法完成对控制器参数的智能寻优,代替传统设计中的人工调参试错过程。为提升训练效果,在奖励函数中引入了控制量变化率。最后,通过数值仿真验证了所设计控制方法的有效性与鲁棒性。     

非线性系统在线模糊建模的快速算法

对于复杂、病态、非线性动态系统,基于模糊集合的模糊模型,利用模糊推理规则描述动态系统的特性,是一种有效方法。讨论了利用模糊方法实现非线性系统的建模方法。首先,利用在线模糊竞争学习方法划分输入变量的模糊空间,然后利用卡尔曼滤波算法辨识模糊模型的参数。仿真结果表明了该方法的实用性和有效性。     

一种小卫星绕飞编队的运动学设计新方法研究

在用运动学方法进行小卫星绕飞编队的相对运动分析和轨道设计时，一般假设环绕卫星和参考卫星的升交点赤经差、轨道倾角差和纬度幅角差均为小量，从而对相对运动方程进行近似和简化．但是当参考卫星的轨道倾角等于零或较小时，环绕卫星和参考卫星的升交点赤经差和纬度幅角差并不是小量，此时由于假设条件不成立而无法得到合理的轨道设计结果．针对这种情况，本文提出了一种小卫星绕飞编队的运动学设计新方法．首先对零轨道倾角卫星编队的卫星相对运动方程进行近似简化，得到了以轨道根数差为参数的相对运动方程和卫星编队设计方法，然后通过转移矩阵变换来进行任意轨道倾角的卫星绕飞编队设计，最后通过实例验证了方法的正确性．     

小卫星编队飞行及其轨道构成

由若干颗小卫星编队飞行组成一个分布式卫星 ,其功能相当或超过一颗大卫星 ,也称为虚拟卫星 ,这将开拓小卫星一个完全崭新的应用领域。文章首先论述编队飞行概念和轨道构成 ;其次讨论虚拟卫星可能的应用实例。     

集成学习在高误码率下AOS协议识别中的应用研究

针对天基网络中高误码率的传输特点,为保证各个异构网络之间数据能够高效可靠的传输,采用空间链路层高级在轨系统协议设计一种基于集成学习的识别方法。该方法采用集成学习模型,学习AOS协议数据,构建基于集成学习的AOS协议识别模型,实现AOS协议的准确识别,并在高误码率情况下进行实验验证。实验结果表明,集成学习模型在AOS协议识别方面具有较好的识别效果,识别运行效率有显著提升,且在较高误码率即10^-1时依然可以保持稳定的识别效果。     

Surface elements and landing strategies for small bodies missions – Philae and beyond

The investigation of small bodies, comets and asteroids, can contribute substantially to our understanding of the formation and history of the Solar System. In-situ observations by Landers play a prominent role in this field.The Rosetta Lander – Philae – is currently on its way to comet 67P/Churyumov–Gerasimenko. It will land in November 2014 and perform numerous experiments with a suite of 10 scientific instruments.Philae has been designed to cope with a wide range of possible comet properties. The considerations taken during its development are relevant for future Lander missions to small bodies in the Solar System.In addition the paper provides a review of alternative concepts, studied or developed for various missions like Phobos, Hayabusa/Minerva or Géocroiseur/Leonard.Various missions to small bodies in the Solar System, including Landers, are currently studied (e.g., Marco Polo). The paper will address the mission options and compare applicable technologies with the solutions chosen for Philae.     

一种基于在轨深度学习的压缩率确定方法

如何对遥感图像中的重要目标进行精确的识别分类,是卫星遥感领域的一个难点和重要的研究方向。深度学习能较好解决识别分类的问题,但其学习模型有大量参数需要确定,会消耗大量计算和存储资源,不利于在轨实现。模型压缩是降低资源需求的有效方法,但会导致分类准确率降低。剪枝是模型压缩的主要方法之一,目前剪枝技术大多研究的是在降低计算量的情况下如何减少准确率损失,如何确定压缩率是有待研究的问题。本文提出了一种通过函数拟合准确率与压缩率关系的方法,可以据此确定相应的压缩率,并对不同的压缩方法进行比较。仿真结果表明:该方法的函数模型可以在不同场景下用较少的点拟合出准确率与压缩率关系曲线,且均方根误差最大为1.09,平均值为0.51,拟合效果较好,可据此针对不同的应用条件与需求确定相应的模型压缩率。