支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。     

国外深空探测态势特点与启示（上）

通过对国外主要航天大国在深空探测领域发展过程的梳理,重点分析了各国在无人深空探测技术、载人深空探测技术和地面测控通信技术三个方面的技术发展特点,并从总体角度对其主要技术特征和关键技术进行了深入剖析,从中提炼出对我国深空探测活动的启示,以期对我国深空探测的开展有所借鉴和推动。     

国外深空探测态势特点与启示（下）

通过对国外主要航天大国在深空探测领域发展过程的梳理,重点分析了各国在无人深空探测技术、载人深空探测技术和地面测控通信技术三个方面的技术发展特点,并从总体角度对其主要技术特征和关键技术进行了深入剖析,从中提炼出对我国深空探测活动的启示,以期对我国深空探测的开展有所借鉴和推动。     

空天飞机全C／SiC复合材料机身襟翼的静力试验研究与失效分析

针对全C／SiC复合材料机身襟翼再人过程中受到强烈的气动载荷作用的受力状况,进行了静力试验考核。对静力试验方法进行了讨论与探索,通过验证性的试验,确定了传统的贴帆布带加载的静力试验方案。并通过有限元建模计算明晰了机身襟翼结构的静力试验的危险区域。静力试验中,襟翼试件在未达到试验设计载荷的情况下,出现了提前破坏。通过对试件的传力路线的分析以及损伤部位的观察和研究,找出了失效的原因是由于角盒工艺上的缺陷造成的,并提出了工艺上改进的方法。     

Application of support vector machine combined with K-nearest neighbors in solar flare and solar proton events forecasting

The support vector machine (SVM) combined with K-nearest neighbors (KNN), called the SVM-KNN method, is new classing algorithm that take the advantages of the SVM and KNN. This method is applied to the forecasting models for solar flares and proton events. For the solar flare forecasting model, the sunspot area, the sunspot magnetic class, and the McIntosh class of sunspot group and 10 cm solar radio flux are chosen as inputs; for the solar proton event forecasting model, the inputs include the longitude of active regions, the flux of soft X-ray, and those for the solar flare forecasting model. Detailed tests are implemented for both of the proposed forecasting models, in which the SVM-KNN and the SVM methods are compared. The testing results demonstrate that the SVM-KNN method provide a higher forecasting accuracy in contrast to the SVM. It also gives an increased rate of ‘Low’ prediction at the same time. The ‘Low’ prediction means occurrence of solar flares or proton events with predictions of non-occurrence. This method show promise for forecasting models of solar flare and proton events.     

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊 观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概 率假设密度(probability hypothesis density,PHD)粒子滤波方法。这种方法首先利用 粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就 是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理 后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多 目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能 好于去模糊情况。     

载体姿态无扰的自由漂浮空间机器人运动学特性研究

针对载体姿态无扰的自由漂浮空间机器人的运动学问题,引入具有非完整特性的载体 姿态无扰约束方程,推导了载体姿态无扰的自由漂浮空间机器人广义雅可比矩阵。采用等效 杆的概念,分析了普通状态的自由漂浮空间机器人和载体姿态无扰的自由漂浮空间机器人可 达工作空间;基于载体姿态无扰的自由漂浮空间机器人广义雅可比矩阵所得到的奇异方程, 研究了载体姿态无扰的自由漂浮空间机器人动力学奇异性。仿真结果验证了普通状态的自由 漂浮空间机器人与载体姿态无扰的自由漂浮空间机器人运动学问题的差异性。研究结果为载 体姿态无扰的自由漂浮空间机器人运动规划及控制研究奠定了理论基础。
     

Gram-Schmidt回归及在刀具磨损预报中的应用

多元线性回归是一种应用广泛的统计分析方法.在实际应用中,当自变量集合存在严重多重相关性时,普通最小二乘方法就会失效.为解决这一问题,利用Gram-Schmidt 正交变换,提出一种新的多元线性回归建模方法——Gram-Schmidt回归.该方法可实现多元线性回归中的变量筛选,同时也解决了自变量多重相关条件下的有效建模问题.将该方法应用于机械加工过程中刀具磨损的预报分析,有效地进行了变量筛选,并得到了解释性强同时拟合优度也很高的模型结果.      

基于X射线脉冲星的深空探测器自主导航方案

X射线脉冲星自主导航系统可以为深空探测器提供位置、速度、时间和姿态等丰富且自主的导航信息,以X射线脉冲星测得的信息作为量测量,结合轨道动力学方程,对航天器的轨道进行自主估计确定。论文阐述了该方案的导航原理,在借鉴现有航天器导航系统的基础上,提出了基于X射线脉冲星导航的方案,介绍了方案的硬件组成、系统结构,并针对方案中导航敏感器多冗余的特征,给出了基于多传感器组合导航技术的结构,最后用仿真资料对方案做了性能概算和精度估计。     

细节信息容量与MTF相关分析

文章从信息容量的角度出发,对图像宏观质量做出评价,再通过研究图像的细节信息容量参数,对在宏观上质量相当的图像做出更进一步的评价,挑选出边缘清晰、纹理等细节信息丰富的图像。然后将该评价参数与Ealing仪测得的调制传递函数(MTF)值的变化趋势作曲线回归分析,实验结果表明,细节信息容量与数字成像系统的MTF值的变化有着很好的正相关关系,这对评价数字成像系统MTF变化情况具有较好的实际应用价值。