飞行员导航专家系统

论述一个飞行员导航专家系统方案。此系统包括二次通道：飞行员助理（ＰＡ）通道和飞行员助理学习（ＰＡＬ）通道。ＰＡ通道完成导航计算、形势判断和决策，通道还将显示出当前形势及给飞行员提出的建议。ＰＡＬ通道完成知识库（ＫＢ）的更新，包括：对飞行员完成的操作作出评价、综合归纳知识和规则以及知识库的修正更新。对系统所涉及的一些原则方法和算法进行了研究。     

利用调制域分析仪实现频率稳定性的测量

介绍了时域频率稳定性常用的测量方法 ,并重点介绍了利用调制域分析仪实现时域频率稳定性的测量方法。这种测量方法可以实现时域频率稳定性的无间隔测量 ,消除了原有测量系统 (HP5 390A频稳分析仪 )中由于有间隔取样而对测量结果造成的影响     

基于时空和时相关系的时频处理方法

随着导航定位、空间技术、计量、精密时频测控包括各种量子频标的发展,对特高分辨力的时间测量和处理以及高频率的点频信号测量提出了更高要求。针对这方面的问题可以采用以信号稳定传输现象为基础以及相位变化规律存在于任意频率信号之间等特性达到高精度测量的目的。基于信号传播的稳定性,根据时间和空间之间的关系,通过建立针对性的传输通道把被测量的时间间隔与相应的路径上的延迟时间拟合进行测量。能够把被测量的时间间隔,尤其是短时间间隔量在空间的方向上展开通过对相应长度量的测量和处理算出被测量。作为对短时间间隔的测量结果,它可以成为传统多种技术的替代品,并且成为大量频率、周期和时间间隔测量技术与仪器精度进一步提高的关键手段。这项工作与传统的时—空关系的认识及利用结合更有利于对于时间、传输、空间的联系、单位的相关性等的理解进一步深化。另一方面,在频率信号之间基于最小公倍数周期会周期性地出现信号间相位重合的情况。这样在时间轴上,可以按照时间的延伸周期性地出现代表随着时间而进行的最小公倍数周期间隔的重合标志。在此基础上调整来自同一参考源的两个频率信号的频率关系,就能够调整时间轴上的时间标记。因此,基于上述频率信号特征的时间传输和处理技术可以实现建立在频率信号特性基础上的时间信号的形成、传递和处理等问题。     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。     

标准化学习管理系统的研究

针对现阶段低水平的学习管理系统重复开发、不同系统之间不能互操作,提出了可互操作的标准化学习管理系统的模型,并对各种不同类型数据信息进行XML绑定,实现不同系统之间的互操作。     

A method of predicting visual detectability of low-velocity impact damage in composite structures based on logistic regression model

This paper proposed a new method for quantitative assessment of visual detectability of damage based on logistic regression, using the Probability of Detection (POD) as a criterion. Experiments were performed to establish the massive hit/miss data of visual inspection. Authoritative investigations verified the reliability of the data. The prediction function concluded comprises more than one flaw size parameters, including the depth and diameter of the dents. The results show that the depth and diameter of the dents are pivotal for the evaluation of detectability; the type of detection, the detection distance, and the qualifications of personnel are critical external factors to be considered. This function, with an accuracy rate of nearly 85%, is capable of predicting the visual detection probability of impact damage under various detection environments, which will provide a reference for the damage tolerance design of composite materials and field maintenance in the Non-Destructive Testing (NDT) field.     

人工智能在气动设计中的应用与展望

在人工智能技术高速发展的浪潮下,智能化技术为空气动力学的研究提供了新的思路和手段。各国学者在人工智能与空气动力学设计的综合应用方面开展了诸多有益的探索与尝试。目前人工智能方法已被用于设计对象描述、数值求解、非线性映射等气动设计的关键环节中。实现了自适应设计参数探索、高效气动特征求解、快速数据降维与映射、智能优化等,提高了气动设计的速度、准确性、鲁棒性与全局性。概述了气动设计的发展现状、人工智能技术的研究现状以及机器学习在气动设计中的应用现状。展望了深度学习在气动设计上的应用前景。提出了以机器为核心根据优化阶段实时调整优化方案及走向的高度智能化气动设计概念——"机器设计"。强调了开展智能可诠释设计研究的重要性。     

航天测量船外测数据的复杂误差特性

使用三次样条最小二乘拟合残差法研究了航天测量船外测数据误差的统计特性,分析了其误差的相关特性,建立了时序模型。研究结果表明,航天测量船外测数据误差具有强自相关性、非正态性、时变方差性和分段平稳性,其特性可以用高阶AR模型描述。     

Regression model for civil aero-engine gas path parameter deviation based on deep domain-adaptation with Res-BP neural network

The variations in gas path parameter deviations can fully reflect the healthy state of aero-engine gas path components and units; therefore, airlines usually take them as key parameters for monitoring the aero-engine gas path performance state and conducting fault diagnosis. In the past, the airlines could not obtain deviations autonomously. At present, a data-driven method based on an aero-engine dataset with a large sample size can be utilized to obtain the deviations. However, it is still difficult to utilize aero-engine datasets with small sample sizes to establish regression models for deviations based on deep neural networks. To obtain monitoring autonomy of each aero-engine model, it is crucial to transfer and reuse the relevant knowledge of deviation modelling learned from different aero-engine models. This paper adopts the Residual-Back Propagation Neural Network (Res-BPNN) to deeply extract high-level features and stacks multi-layer Multi-Kernel Maximum Mean Discrepancy (MK-MMD) adaptation layers to map the extracted high-level features to the Reproduce Kernel Hilbert Space (RKHS) for discrepancy measurement. To further reduce the distribution discrepancy of each aero-engine model, the method of maximizing domain-confusion loss based on an adversarial mechanism is introduced to make the features learned from different domains as close as possible, and then the learned features can be confused. Through the above methods, domain-invariant features can be extracted, and the optimal adaptation effect can be achieved. Finally, the effectiveness of the proposed method is verified by using cruise data from different civil aero-engine models and compared with other transfer learning algorithms.     

专科学生英语学习动机研究

学习动机与学生的学习态度、学习策略及学习成绩是紧密相关的.它直接制约着学习的积极性,极大地影响着学生的外语学习效果.本文介绍了对大学生英语学习动机研究的过程及其教学启示.