基于集员估计的卫星飞轮故障检测与预测方法

为了对卫星飞轮故障进行提前预警，提出了一种基于集员估计的故障检测和预测方法。首先，基于飞轮的动态模型设计了一种基于中心对称多面体的故障检测方法。在检测出飞轮故障后，选取飞轮的电流数据作为故障特征，并采用线性模型或非线性模型来描述其退化规律。然后，提出了一种基于中心对称多面体的集员算法，对退化模型中的未知参数进行估计，并以此为基础预测未来时刻的故障，进而实现对飞轮故障的提前预警。最后，通过数值仿真，将所提出的方法和两种现有的故障预测技术进行了对比。仿真结果表明了所提方法的有效性和优越性。     

基于Transformer架构的GPT系列模型训练技术分析

自人工智能诞生以来，经过了多次演化和迭代，已成为推动全球经济和产业变革的重要力量。大型语言模型GPT的发布，让越来越多的人对生成式人工智能有了全新的认知，由此引发了国内外的高度关注。基于Transformer架构的GPT系列模型从1到4，为下游各种类型的NLP任务提供了非常优秀的词向量模型，在此基础上必将落地更多有趣的AI应用。本文阐述了GPT的发展历程，分析了GPT-4多模态架构的训练技术，指出了其存在的局限性。     

一种可靠性增长试验抽样数Max-Min准则的反馈修正方法

对成败型航空发动机部件可靠性增长试验抽样数的确定问题进行了研究。推导出了初始故障数服从典型离散分布时的最小化最大准则(Max-Min准则),提出了一种逐次抽样样本估计值反馈修正方法。最后给出了一个应用实例,验证了该方法的有效性。     

直升机高置信度中值使用飞行谱编制方法

依据直升机使用寿命分布规律,在高置信度条件下,提出了飞行谱编制的最小样本容量准则。在此基础上,采用科目统计和飞行状态分解技术,基于单机10年统计分析的方法,研究了直升机高置信度中值使用飞行谱编制原理,以此编制的使用飞行谱具有一定的置信区间,能够真实地反映直升机单机短期执行任务的分散性和整个机群长期服役的规律性,为研究直升机关键动部件的损伤与直升机定寿提供依据。     

复杂环境下少样本域自适应雷达RD智能识别技术

针对复杂电磁环境下，传统基于雷达回波的目标识别方法定位精度差和识别能力不足的问题，以典型海背景环境下的雷达时频二维像目标为研究对象，提出了复杂环境下少样本域自适应雷达智能RD识别技术，通过设计基于分离注意力的偏移区间配准目标识别算法架构，实现了对目标的精确定位和识别，同时设计了域自适应技术对源域和目标域进行特征配准，解决少样本条件下算法场景适应性不足的问题。通过在雷达回波仿真数据和真实数据上对算法测试验证，取得了较优的结果，证明了该算法的有效性。     

基于CPSOGSA算法的威布尔参数估计及其在民机设备可靠性评估中的应用

为了解决小样本条件下民机装备可靠性模型参数的估计问题，本文提出一种基于收缩系数的粒子群万有引力搜索算法（Contraction factor Particle Swarm Optimization-Gravitational Search Algorithm,CPSOGSA）的参数估计算法。该方法提升了粒子群算法寻优性能，有效提升威布尔模型的参数估计精度。通过算例证明：该方法可以很好地用于民机设备的小样本可靠性参数估计，估计结果具有较高的精度，且耗时更短，表明了该方法的有效性和可行性。     

基于飞行冲突网络最优支配集的冲突调配策略

针对空中交通流量逐年上升、管制压力增大、飞行冲突难调配的问题，以航空器为节点，基于航空器之间的速度障碍关系建立飞行冲突网络。定义最优支配集的概念，通过移除飞行冲突网络的最优支配集节点，快速消解网络中的冲突，降低网络的复杂性。在使用粒子群（PSO）算法对网络最优支配集进行求解的过程中，引入免疫机制，设置节点和连边2种类型的抗原，保证对关键航空器和高风险冲突的优先调配。实验仿真表明：所提冲突调配策略相较于传统方法能够快速识别网络中的关键航空器节点，并对高风险的冲突连边具有较好的灵敏性，可为管制员和管制系统提供更加准确、可靠的信息和建议，在宏观上辅助进行飞行冲突的调配。     

一种基于攻击距离的对抗样本攻击组筛选方法

黑盒对抗样本生成过程中通常会指定1个攻击组，包括1个原始样本和1个目标样本，使得生成的对抗样本与原始样本范数差别不大，但被分类器识别为目标样本的分类。针对攻击组的攻击难度不同导致攻击不稳定的问题，以图像识别领域为例，设计了基于决策边界长度的攻击距离度量方法，为攻击组的攻击难易程度提供了度量方法。在此基础上，设计了基于攻击距离的对抗样本攻击组筛选方法，在攻击开始前就筛去难以攻击的攻击组，从而实现在不修改攻击算法的前提下，提升攻击效果。实验表明:相比于筛选前的攻击组，筛选后的攻击组的总体效果提升了42.07%，攻击效率提升了24.99%，方差降低了76.23%。利用攻击组的对抗样本生成方法在攻击前先进行攻击组筛选，可以稳定并提高攻击效果。      

大规模物联网恶意样本分析与分类方法

物联网（IoT）恶意样本发展迅猛，在网络中大量攻击各类物联网设备，但由于开源问题导致其家族特征并不明显，需要一种更细粒度的样本分类方法，以解决高级威胁样本发现和攻击组织追踪等问题。针对该问题，对2019年5月至2020年5月捕获到的157 911个物联网恶意样本进行了大规模分析，并标注了一套包含9个家族分支共计12 278个样本的数据集。提出了物联网恶意样本的分类方法，通过静态逆向分析提取FCG图和文本等复杂结构特征，利用图表示学习和文本表示学习的特征，在标注的数据集上取得了平均召回率88.1%的分类效果。所提方法在实际工作应用中效果优异。      

基于时空数据模型的障碍物数据集数据查询与应用研究

障碍物数据集是国际民航组织在航空情报管理（AIM）体系下提出的一种基于航空信息交换模型（AIXM）规范的航空情报数据集，该数据集中障碍物的查询将直接影响机场净空评估与飞行程序设计。在分析障碍物数据集的时间与空间属性基础上，利用时空数据模型与航空信息交换模型规范，提出一种基于时间点和空间位置的障碍物数据集查询方法， 用于解决障碍物数据集的查询问题；构建障碍物查询与可视化系统，并通过设计随机实验和实例应用对该方法的可行性和可靠性进行验证。结果表明：该障碍物数据集查询方法能够提取出对机场净空与飞行程序设计有影响的障碍物，增强了飞行程序设计人员对机场障碍物分布的情景意识。