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.     

人工智能气动特性预测技术在火箭子级落区控制项目的应用

发展了一种基于人工智能算法的气动特性预测技术,在开展部分工况风洞试验基础上,结合少量数值仿真结果,通过机器学习模型预测全部工况气动特性.该方法能够降低研制成本,缩短周期.先后解决了相关函数选择、模型超参数训练、数据检验和"人在回路"应用等关键算法与技术问题,应用于运载火箭子级栅格舵落区控制项目气动研制,获得了设计所需完...     

陀螺仪随机漂移的测量及其数学模型的建立

为提高惯导系统的精度，对影响陀螺仪精度的重要误差源——陀螺仪随机漂移进行了研究。在统计分析的基础上采用固定方位力矩反馈法测量陀螺仪的随机漂移，并用平稳时间法建立了数学模型。     

区间卡尔曼滤波算法在高动态导航的研究

针对卡尔曼滤波算法中动力学系统模型以及噪声模型不能精确已知,导致卡尔曼滤波算法在实际中不能实现最优估计。首先分析了传统卡尔曼滤波算法中各种误差源的影响,以及区间矩阵运算的影响,经分析得到,区间运算可以保证集合映射的完全性,但不能体现最优化。通过分析,本文提出了一种新型的区间卡尔曼滤波,将各种误差源归约到先验估计值区间和后验估计值区间中,然后将区间交集运算应用于卡尔曼滤波算法。这种新算法运算量与传统卡尔曼滤波算法相当。通过仿真实验证实,该算法在含时变噪声的高动态导航定位中比传统卡尔曼滤波效果提高2dB。     

一种单星仅测TOA无源定位方法

因单星测向定位体制存在系统构成复杂、对卫星载荷和姿态要求高等问题,提出 一种单个低轨卫星仅测脉冲到达时间（TOA）实现对地表静止辐射源无源定位的方法。在研 究仅测脉冲TOA估计径向加速度的基础上,提出采用网格搜索法进行定位的方法。推导得到 了该方法定位误差的克拉美-罗下限（CRLB）及对于不同位置辐射源的定位误差几何分布（G DOP）,并分析了该方法的可实现性。理论和仿真分析表明,该方法实现简单,适用范围广 ,定位性能满足实际需求。
     

浅谈如何提高大一新生公共外语自主学习的策略

随着改革开放进程的加快我国社会迅猛向前发展,与此同时推动我国与国际世界的交往日益频繁,因此培养大量的有专业知识和技能同时能够熟练掌握一门外语的高级专业人才成为我国社会的紧迫任务。对于在校非英语专业的大学生来说,他们把大量时问都花在了本专业知识的学习上,因此英语学习时间就变得捉襟现肘,所以培养他们英语自主学习能力进而提高其英语学习效率就变得尤为重要。本文将首先介绍自主学习定义,然后阐述提倡自主学习的必要性,最后研究总结出如何提高非专业大一新生大学英语自主学习能力的策略。     

铰接桁架结构动力学问题研究

以铰接桁架结构为对象,采用谱元法研究铰对桁架结构动力学行为的影响,拓展了谱元法的应用领域。在频域下将铰结构考虑为一个谱单元,分别建立铰、杆和梁单元的动力学刚度矩阵,并加以整合得到整体结构的动力学刚度阵,进而建立整体结构的动力学方程。通过求解整体结构的动力学方程,获得结构的固有频率、频响曲线和时间响应历程曲线,并将谱元法的计算结果同有限元法的相应结果进行了比较。分析结果表明,谱元法在求解铰接桁架结构的动力学问题上具有较高的精确性,并且铰的存在对桁架结构动力学行为具有显著影响。     

时间序列分析在周跳探测与修复中的应用

周跳是GPS载波相位测量数据处理中必须解决的关键问题,为了获得高精度的导航定位结果,必须对其进行快速准确地探测与修复。分析了周跳产生的原因及其特点,结合时间序列分析理论,提出了一种新的周跳探测与修复方法。首先对载波相位测量数据进行四次差分处理;然后建立了载波相位测量数据的加权预测模型,并给出了权值计算方法;最后通过对比载波相位预测值与实际测量值的大小来探测与修复周跳。利用实际数据验证表明：新方法适用于单频接收机,可以对3周以上的周跳进行准确探测与修复。