具有混合约束的DES Petri网控制器的设计

针对基于Petri网离散事件系统库所和变迁混合不等式约束反馈控制器的设计问题,提出一项新型设计具有库所和变迁混合约束的Petri网控制器的方法——利用Petri网简化技术把所有约束库所融合为一个与它们标识总量相等的库所,然后再与受约束的变迁进行对照比较,使控制器的设计更为简单并且避免了死锁,尤其是对规模较大的系统,其优势更加明显。借助一个应用实例．将该控制器设计方法与Yamalidou等人提出的控制器设计方法作比较,表明所提出的控制器设计方法不仅更简单、更有效而且可以应用到推广Petri网。     

直升机前视地形告警算法研究

为了更好地利用直升机地形感知与告警系统,减少可控飞行撞地事故的发生,提出了一种适用于直升机地形感知与告警系统的前视地形告警算法.首先介绍了直升机前视地形告警的基本原理,并给出了前视告警包线的设计流程;然后提出了前视告警包线下视边界、前视边界、上视边界和横侧边界的确定方法;最后构建仿真算例进行了仿真验证.仿真结果表明,提出的算法可以在直升机飞行撞地前提前预警.     

面向过程控制的工程变更系统研究

针对工程变更过程中变更传播影响范围难以预测的问题,提出了一种制定变更传播路径的方法。研究分析了跟踪工程变更过程以及在跟踪基础上进行协同感知的策略,有效解决了目前企业工程变更过程中存在的不完整、不可控和不一致的问题。最后创建了一种基于过程控制的工程更改控制系统,实现了信息共享、过程控制、过程分析和协同感知。     

基于Autodesk Inventor的自适应设计

本文介绍了基于Autodesk Inventor环境的自适应设计技术,通过简单的例子说明自适应设计方法提高了设计效率和设计的自动化程度,从而使其具有更大的应用价值.     

航空复合材料自动化技术进展

综述了航空复合材料自动化技术的发展现状及趋势。     

基于粗糙集理论的飞机供电系统诊断规则提取

 为有效解决飞机供电系统故障诊断专家系统在知识获取方面的“瓶颈”,在对某型号飞机供电系统进行故障模式分析的基础上,利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,提出了一种诊断规则的自动获取方法。在运用粗糙集理论对故障样本集进行属性约简和值约简的过程中,针对“不确定测量状态”提出了改进的约简规则。通过在交流一次配电子系统上的验证分析表明,该方法具有较强的容错能力,可有效地约简知识,自动获取规则,且规则具有正确的逻辑意义。该方法为飞机供电系统故障诊断专家系统由理论验证向实际应用的转化提供了可行性。     

空间立体信息缺失对机械臂遥操作任务的影响

视觉作为人认知环境的主要信息通道,在空间遥操作任务中有极其重要的作用。本研究面向空间站机械臂遥操作任务,通过对24名被试进行机械臂遥操作模拟平台实验,探索不同程度空间立体信息缺失对机械臂遥操作绩效、脑力负荷、距离感知和情境意识的影响,剖析不同立体信息在遥操作过程中的作用。实验结果表明:局部立体信息对提高遥操作任务完成率、减少撞击操作等指标有重要作用;而全局立体信息更有利于减少机械臂冗余行走距离和限位操作次数;两者对脑力负荷水平的降低有显著影响,而对距离估计偏差和情境意识水平影响不显著。因此,根据不同任务类型选取合适的立体信息补偿,从多个角度完善立体信息的呈现对于保障遥操作任务的顺利进行具有重要意义。     

地面战场传感侦察系统及其发展概述

地面战场传感侦察系统集传感器技术、信号与信息处理技术、无线网络传输技术为一体,是网络中心战的重要信息基石。对美军地面战场传感侦察系统的研究现状及其发展趋势作出了分析。     

基于多Agent的电力调度自动化系统

介绍了一个电力调度自动化系统的功能组成与拓扑结构,提出了一种基于多Agent技术的软件设计方法,该方法利于集成性、开放性、复用性软件结构设计,并利用黑板进行消息发布、资源管理Agent进行任务流分解、协调Agent进行各Agent之间的合作、成员Agent完成子任务的执行.定义了系统中的资源与元任务.最后,基于JADE平台,介绍了该系统的实现方法.多Agent技术应用于SCADA系统,将利于复杂系统的开放组合.     

A Partially Orthogonal EnKF approach to atmospheric density estimation using orbital debris

A key requirement for accurate trajectory prediction and space situational awareness is knowledge of how non-conservative forces affect space object motion. These forces vary temporally and spatially, and are driven by the underlying behavior of space weather particularly in Low Earth Orbit (LEO). Existing trajectory prediction algorithms adjust space weather models based on calibration satellite observations. However, lack of sufficient data and mismodeling of non-conservative forces cause inaccuracies in space object motion prediction, especially for uncontrolled debris objects. The uncontrolled nature of debris objects makes them particularly sensitive to the variations in space weather. Our research takes advantage of this behavior by utilizing observations of debris objects to infer the space environment parameters influencing their motion.The hypothesis of this research is that it is possible to utilize debris objects as passive, indirect sensors of the space environment. We focus on estimating atmospheric density and its spatial variability to allow for more precise prediction of LEO object motion. The estimated density is parameterized as a grid of values, distributed by latitude and local sidereal time over a spherical shell encompassing Earth at a fixed altitude of 400 km. The position and velocity of each debris object are also estimated. A Partially Orthogonal Ensemble Kalman Filter (POEnKF) is used for assimilation of space object measurements to estimate density.For performance comparison, the scenario characteristics (number of objects, measurement cadence, etc.) are based on a sensor tasking campaign executed for the High Accuracy Satellite Drag Model project. The POEnKF analysis details spatial comparisons between the true and estimated density fields, and quantifies the improved accuracy in debris object motion predictions due to more accurate drag force models from density estimates. It is shown that there is an advantage to utilizing multiple debris objects instead of just one object. Although the work presented here explores the POEnKF performance when using information from only 16 debris objects, the research vision is to utilize information from all routinely observed debris objects. Overall, the filter demonstrates the ability to estimate density to within a threshold of accuracy dependent on measurement/sensor error. In the case of a geomagnetic storm, the filter is able to track the storm and provide more accurate density estimates than would be achieved using a simple exponential atmospheric density model or MSIS Atmospheric Model (when calm conditions are assumed).