基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。     

面向下一代运载火箭的综合电子系统集成技术

介绍了面向下一代运载火箭分布式模块化电子系统(DIMA)的集成技术及系统架构。针对下一代运载火箭复杂电子系统的特点,按照系统集成的路线,对系统设计目标、系统功能需求分析、系统抽象机制、系统综合技术等多方面进行论述。首先,根据电气系统功能获得系统需求,采用功能抽象和层次抽象定义系统抽象模型,提取出高内聚低耦合的原子功能模块,并对模块的属性、交换关系、时序约束关系等进行定义;然后采用可视化表征方法对系统进行深入分析,利用系统综合技术实现了从系统功能到硬件资源的映射,从而给出了集成控制单元和模块的种类;随后采用分时分区的设计理念对系统节点分区划分方案及容错架构进行了定义,并对分区操作系统的调度模型和交换式的数据交互网络进行了论述,最终给出了系统软硬件架构。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

一种不依赖剩余时间估计的巡航导弹多约束制导律

针对巡航导弹末段多约束精确打击问题,提出了一种不依赖剩余时间估计的攻击角度/时间制导律。推导了航向弹目相对运动关系,设计了一种基于附加航向角设计的时间约束制导律,通过对时间增益系数的设计和优化,实现附加航向角的调节,可使实际飞行时间向期望时间快速收敛;在此基础上,将角度约束制导律与时间约束制导律相结合,得到了一种角度/时间约束制导律。该制导律不依赖于剩余时间估计,进而实现多约束条件下航向轨迹自适应调整;通过求解偏置导引律闭环轨迹分析得到轨迹收敛条件,给出满足角度/时间约束制导律的显式收敛条件。最后通过数学仿真验证了本文提出的航向多约束制导律可满足时间和角度等多约束条件且具有快速收敛特性。     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

基于虚拟夹具的交互式空间机器人遥操作实验

预测仿真技术是目前消除大时延对遥操作影响的主要方法。在操作者控制虚拟机械臂与仿真环境中的物体接触之前,仅有的视觉信息不足以提供充分的临场感信息,操作者无法进行安全有效的操作;由于肌肉颤抖等原因导致徒手控制的精度较低,操作者无法进行精确的操作。针对这两个问题,使用虚拟夹具技术对操作者的动作进行限制和引导。实验结果表明,在虚拟夹具的辅助下,可以有效提高操作者的临场感,使操作者快速准确完成遥操作任务。
     

基于ARIMA模型的拉萨降水量时间序列分析与预测

应用差分自回归滑动平均模型（ARIMA）模型对西藏拉萨地区1969年至2009年的年降水量资料进行建模分析。建立的模型通过了参数的显著性检验和模型的显著性检验。模型的实证分析表明在短期内模型具有较高的预测精度,ARIMA模型可以较好的应用于降水量的预测,对相关部门采取措施应对自然灾害提供了理论支持。