基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。     

组织学习力视角下的学习型党组织建设

建设学习型党组织,是党所处外部世界环境的要求,是党领导的经济社会现状的要求,是党自身建设的当代节点的要求。因此,必须综合学习型组织经典定义和党组织的特殊属性,树立学习型党组织的科学涵义;必须不断加强对学习活动的指导,建立健全各项学习制度,不断创新有效的学习方式,最终提升党组织的本质竞争力。     

工程施工中深基坑高程放样的误差分析

论述了市政工程施工中深基坑高程放样方法,对放样过程中产生的误差及误差的大小进行了分析。本测量放样方法可以满足给排水工程施工,以及符合高程精度要求的验收规范。     

基于深度学习的太阳10.7 cm射电流量日值的中期预报

针对太阳10.7cm射电流量中期日值预报问题,采用深度学习方法,建立了一个典型的基于多层感知器模型的神经网络。该网络采用1个包含90个神经元的隐含层,实现了一种非参数的时间序列自回归模型。预报中不仅考虑历史日值,还考虑了历史预报误差。模型根据前27d的历史数据实现了未来27d的日值预报。通过对50多年数据的训练和试验分析,该方法在短期和中期预报上较传统方法的相对误差明显降低。特别是模型经一次训练后,参数可以完全固定,不同于以往研究参数需要每天滚动更新,大大简化了日常预报,同时极为有利于模型在其他相关应用中的推广。     

Crater detection via genetic search methods to reduce image features

Recent approaches to crater detection have been inspired by face detection’s use of gray-scale texture features. Using gray-scale texture features for supervised machine learning crater detection algorithms provides better classification of craters in planetary images than previous methods. When using Haar features it is typical to generate thousands of numerical values from each candidate crater image. This magnitude of image features to extract and consider can spell disaster when the application is an entire planetary surface. One solution is to reduce the number of features extracted and considered in order to increase accuracy as well as speed. Feature subset selection provides the operational classifiers with a concise and denoised set of features by reducing irrelevant and redundant features. Feature subset selection is known to be NP-hard. To provide an efficient suboptimal solution, four genetic algorithms are proposed to use greedy selection, weighted random selection, and simulated annealing to distinguish discriminate features from indiscriminate features. Inspired by analysis regarding the relationship between subset size and accuracy, a squeezing algorithm is presented to shrink the genetic algorithm’s chromosome cardinality during the genetic iterations. A significant increase in the classification performance of a Bayesian classifier in crater detection using image texture features is observed.     

基于多冲量能耗估算的小推力任务窗口搜索

针对小推力轨道设计中任务窗口参数具有范围跨度大、非连续性强、对设计结果影响显著等特点,提出了一种基于多冲量能耗估算的任务窗口搜索方法.该方法基于多冲量轨道和小推力轨道的能耗一致性,先由朗伯特两冲量轨道经过数次迭代扩展快速获得多冲量轨道,再通过多冲量轨道能耗估算对任务区间进行全局栅格搜索,最终得到任务窗口的可行区域.仿真结果表明:1)该方法同时适用于交会和飞越任务;2)同朗伯特两冲量相比,它与小推力轨道能耗的一致性更强;3)同Sims和Flanagan最优多冲量相比,计算时间缩短了1～2个量级,计算效率显著提高.地球—火星交会任务的仿真应用表明,该方法只需8.59s即可获得任务窗口的可行区域,进而快速给出小推力最优转移轨道,验证了该方法的有效性.     

深空通信中的网络技术

介绍了深空通信的特点、目前空间链路所使用的数据传输协议对深空探测环境的适用性、新制订容延迟网络体系结构的设计思想和实现要点,以及有待进一步研究的内容。     

航天器姿控系统的PD型学习观测器故障重构

针对满足Lipschitz条件的航天器姿态控制系统这一非线性系统中存在的执行器加性故障、空间干扰与测量噪声问题,提出了基于PD型迭代学习观测器的故障重构方法。该方法具有期望的鲁棒性能指标,能够在系统存在空间干扰与测量噪声情况下实现对突变故障与时变故障等故障类型的精确重构。基于线性矩阵不等式技术给出系统化PD型迭代学习观测器的设计方法,并根据Lyapunov稳定性理论对上述设计方法的稳定性条件进行了理论证明,同时利用鲁棒技术抑制空间干扰与测量噪声对执行器故障重构的影响,通过线性矩阵不等式工具箱求解观测器参数矩阵。最后,将该方法应用到航天器姿态控制系统中,仿真结果证明了该方法的有效性。     

结合离线知识的时变结构模态参数在线辨识

飞行器的结构模态参数在线获取对其高效、可靠运行具有重要意义。传统时变结构模态参数辨识方法存在辨识虚假结果较多,抵抗测量数据中的极端异常值能力差等问题,难以有效应用于在线过程。建立一种基于长短时记忆网络的时变结构模态参数在线辨识网络模型,通过数据集构建过程离线地引入先验信息,同时结合模型自身特性,有效提升制约在线辨识应用的可靠性。实验结果表明：在不同时变规律下,与传统辨识方法相比,在线辨识模型能有效缓解虚假结果问题,同时保证辨识结果的连续性;采用α稳定分布模型对脉冲噪声进行建模,验证了其在测量数据包含由于偶发因素产生的极端异常值时在线辨识鲁棒性。     

面向智能感知的小样本学习研究综述

小样本学习指只利用目标类别的少量监督信息来训练机器学习模型。由于其实用价值,学术界和工业界提出很多针对该问题的解决方案,但是目前国内缺少该问题的综述。本文对国内外学者提出的小样本学习算法及基于小样本学习的目标检测算法进行了系统的总结和探索。首先,给出了小样本学习的问题定义,列举其与其他一些经典的机器学习问题之间的联系,同时从理论上阐述小样本学习问题面临的挑战;接着,对基于小样本学习的图像分类进行了概述,并对其中代表性的工作进行介绍与分析;在此基础上,重点针对基于小样本学习的目标检测,特别是零样本条件下的目标检测问题,详细介绍和分析了现有的研究工作;最后,立足于现有方法的优缺点,从问题设定、理论研究、实现技术以及应用场景等几个方面对小样本学习的未来发展进行了展望,期望为该领域后续的研究工作提供启示。