级数证明问题的几种处理方法

通过有关级数证明的几个例题，提出了思考和分析问题几种常用的方法。特别是对一般项为抽象形式的级数证明，更要思路开阔，根据所给的条件确定解决问题的不同方法。在级数的一般项中含有参数时，要对参数取值的不同情况进行讨论，才能得到完整的结果。最后介绍了一致收敛性质在证明问题中的应用，尤其当级数的一般项由定积分表示时，一致收敛级数的逐项微分、逐项积分的性质经常会用到。     

HS—19型肖氏硬度计故障分析

从结构原理来分析故障的产生、发展、现象以及产生故障的排除方法。     

情感因素对语言学习的影响

情感因素对语言学习具有重大的影响。在学生智商水平相当的情况下,情感差异会导致学生学习成绩的高低之分。情感差异是由家庭、环境、情趣、学习方法等综合因素造成的。积极的情感会对学生的学习起到促进作用；反之,消极的情感则会阻碍学生的学习。教师在教学中应善于引导学生,促进学生积极情感的产生,减少消极情感的作用,以提高教学效果。     

Modeling Multifractality of the Solar Wind

The question of multifractality is of great importance because it allows us to investigate interplanetary hydromagnetic turbulence. The multifractal spectrum has been investigated with Voyager (magnetic field) data in the outer heliosphere and with Helios (plasma) data in the inner heliosphere. We use the Grassberger and Procaccia method that allows calculation of the generalized dimensions of the solar wind attractor in the phase space directly from the cleaned experimental signal. We analyze time series of plasma parameters of the low-speed streams of the solar wind measured in situ by Helios in the inner heliosphere. The resulting spectrum of dimensions shows a multifractal structure of the solar wind attractor. In order to quantify that multifractality, we use a simple analytical model of the dynamical system. Namely, we consider the generalized self-similar baker’s map with two parameters describing uniform compression and natural invariant measure on the attractor of the system. The action of this map exhibits stretching and folding properties leading to sensitive dependence on initial conditions. The obtained solar wind singularity spectrum is consistent with that for the multifractal measure on the weighted baker’s map.     

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。     

A multi-aircraft conflict detection and resolution method for 4-dimensional trajectory-based operation

Conflict Detection and Resolution(CDR) is the key to ensure aviation safety based on Trajectory Prediction(TP). Uncertainties that affect aircraft motions cause difficulty in an accurate prediction of the trajectory, especially in the context of four-dimensional(4D) Trajectory-Based Operation(4DTBO), which brings the uncertainty of pilot intent. This study draws on the idea of time geography, and turns the research focus of CDR from TP to an analysis of the aircraft reachable space constrained by 4D waypoint constraints. The concepts of space–time reachability of aircraft and space–time potential conflict space are proposed. A novel pre-CDR scheme for multiple aircraft is established. A key advantage of the scheme is that the uncertainty of pilot intent is accounted for via a Space-Time Prism(STP) for aircraft. Conflict detection is performed by verifying whether the STPs of aircraft intersect or not, and conflict resolution is performed by planning a conflict-free space–time trajectory avoiding intersection. Numerical examples are presented to validate the efficiency of the proposed scheme.     

基于时标分解的弹性高超声速飞行器智能控制

考虑弹性高超声速飞行器纵向动力学模型，提出了一种基于时标分解的智能控制方法。考虑刚体状态和弹性模态具有不同的时标特性，采用奇异摄动理论进行快慢时标分解，将模型转换为刚体慢变子系统和弹性快变子系统。针对刚体子系统考虑动力学不确定，基于平行估计模型构造表征不确定逼近效果的预测误差，结合跟踪误差给出复合学习控制策略。针对弹性子系统设计自适应滑模控制稳定弹性模态。通过李雅普诺夫稳定性分析可证系统状态一致终值有界。仿真表明所提出的控制方法能够实现刚弹模态的稳定收敛，且具有更高的跟踪精度、更好的学习性能和更快的收敛速度。     

基于有限Fourier级数的航天器转移轨迹设计

针对航天器小推力转移轨迹的初始设计问题，利用基于三阶Fourier级数的设计方法实现了航天器小推力的多圈转移。同时，基于有限Fourier级数的形状法，对具有多个约束条件的小推力多圈转移轨迹进行了优化设计。选取了共面同轴同偏心率的初始和末端轨道位置，对所提出的方法进行了仿真验证。结果表明：与改进逆五阶多项式形状法相比，所提出的方法虽然增加了转移时间，但当转移圈数为5圈、有限Fourier级数的项数为10时，可减少将近75%的转移速度增量，同时大大减小了所需的最大推力加速度的值。