认知无线网络及其频谱管理技术

认知无线网络通过不同种类的无线网络体系结构之间的并存和动态频谱接入技术可以为移动用户提供高带宽的服务。高效的频谱管理技术是这一新型网络面临的主要挑战之一。为了更好的理解认知无线网络,文章简单回顾了认知无线电技术,对认知无线网络的结构及特点进行了深入研究,明确了认知无线网络频谱管理的主要任务,并结合认知无线电当前的发展状况对认知无线网络频谱管理技术进行了总结分析。     

Force measurement using strain-gauge balance in shock tunnel based on deep learning

When a force test is conducted in a shock tunnel, vibration of the Force Measurement System (FMS) is excited under the strong flow impact, and it cannot be attenuated rapidly within the extremely short test duration of milliseconds order. The output signal of the force balance is coupled with the aerodynamic force and the inertial vibration. This interference can result in inaccurate force measurements, which can negatively impact the accuracy of the test results. To eliminate inertial vibration interference from the output signal, proposed here is a dynamic calibration modeling method for an FMS based on deep learning. The signal is processed using an intelligent Recurrent Neural Network (RNN) model in the time domain and an intelligent Convolutional Neural Network (CNN) model in the frequency domain. Results processed with the intelligent models show that the inertial vibration characteristics of the FMS can be identified efficiently and its main frequency is about 380 Hz. After processed by the intelligent models, the inertial vibration is mostly eliminated from the output signal. Also, the data processing results are subjected to error analysis. The relative error of each component is about 1%, which verifies that the modeling method based on deep learning has considerable engineering application value in data processing for pulse-type strain-gauge balances. Overall, the proposed dynamic calibration modeling method has the potential to improve the accuracy and reliability of force measurements in shock tunnel tests, which could have significant implications for the field of aerospace engineering.     

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

基于狄氏先验分布的固体火箭发动机可靠性增长Bayes分析

针对固体火箭发动机研制存在历史信息和专家信息的特点,提出了一种可靠性增长分析的Bayes模型。以狄氏分布作为先验分布,给出了先验分布参数的确定方法。综合利用了先验信息和每一阶段现场试验信息,推导了各阶段可靠性的后验边际分布。给出了当前阶段和后续阶段产品可靠性的Bayes点估计和置信下限,分析了各阶段试验结果对最终产品可靠性估计的影响。最后给出了一个实例,验证了该模型的有效性。     

认知协作Ad Hoc网络中分布路由跨层控制策略

认知无线电Ad Hoc网络中,吞吐量最大化是一个关键的挑战.为了实现这一目标,协同传输是前景看好的技术,利用在每个空间节点的多样性中继链路以增加性能,特别是在无线环境中由于不同的信道质量、有限的能源和带宽资源,这种想法是有吸引力的.文章在分布式动态环境下,研究了联合动态路由.中继分配和频谱分配分布式和本地算法,提出了一...     

全球卫星导航星座网络协议体系与运行模式

针对全球卫星导航星座网络建设初期或论证阶段所涉及的网络体系结构、协议体系及相关组网等技术问题,开展了基于导航星座星间链路构建空间信息网络的技术研究,分别提出了由子网、接入网、骨干网等节点及其相互之间星间、星地无线链路构成的分层网络系统结构,设计了兼容遥控、遥测、测量与网络交互支持等业务的基于IP over CCSDS(基于空间数据系统咨询委员会标准的空间链路承载互联网协议业务)的协议体系,给出了全系统基本通信业务运行模式等。与传统高轨卫星通信系统相比,该星座网络具有高覆盖、低时延、随遇接入等优点,可实现星座导航性能与中低轨及地面用户通信性能的全方位提升,相关结果对我国全球卫星导航星座网络技术研究具有一定的参考意义。     

基于联邦滤波器的新型故障检测结构及算法

提出了一种基于联邦卡尔曼滤波器的故障检测结构,该结构利用各局部滤波器和参考滤波器共有状态之间的残差进行故障检测.并提出了2种故障检测算法:χ2检验法和Elman神经网络检验法.以组合导航系统为例进行了仿真研究,和其它算法相比该算法计算简单、可靠,不但可以快速检测出外部传感器及参考系统故障,且具有很好的容错性能,能快速检测出故障并进行隔离,使融合后系统依然保持较高精度.     

基于贝叶斯更新的飞机结构腐蚀可靠度模型

民用飞机结构腐蚀发展的时变性和样本采集的局限性,给腐蚀检测数据分布函数的确定及参数的估计带来了很大的不确定性。针对这一问题,给出了基于贝叶斯公式的合理分布函数选取及参数估计方法。为满足在役飞机结构可靠性动态管理的需求,基于贝叶斯更新思路,将反映结构性能退化共性规律的预测模型视为先验模型,沿着具体结构生命周期不断挖掘利用新信息,建立具体飞机结构腐蚀失效概率和可靠度的动态预测模型。算例采用某型民用飞机地板梁结构腐蚀的无损检测数据,结果显示：腐蚀深度的合理分布为双参数威布尔分布,基于贝叶斯更新后的腐蚀失效概率计算得到的结构可靠度与未更新的显著不同。表明更新后的可靠度因为既考虑了模型参数的历史先验信息,又利用了当前数据实时更新了预测模型,从而有效地降低了有限样本带来的不确定性,使得预测值稳健且具有时变性,更符合工程实际。     

基于二项分布的装备状态质量诊断试验评估指标研究

提出了通过诊断方法获取装备状态质量特性指标值的思想，解决了统计特性不明显的小样本集装备获取状态质量特性指标的难题；规范了装备状态质量诊断试验的条件；在装备质量评估领域首次提出了评价装．备诊断试验效果的确诊率、负确诊率、误诊率、漏诊率、故障预测指标、正常预测指标等单指标体系以及符合率、综合指数、比数积、故障似然比、正常似然比等综合指标体系，并进一步提出了提高装备状态质量诊断试验效率的平行诊断试验方法和系列诊断试验方法。     

改进的BP神经网络技术在平面叶栅气动性能实验中的应用

将多维实验方法应用于平面叶栅正反向流动实验中,避免了单参数实验方法中的缺陷,大大提高了实验数据的可靠性。同时采用改进的BP神经网络技术,对气动性能实验数据进行分析。实验发现：低雷诺数下,翼型的流动状态很复杂,附着涡在确定翼型边界层行为和失速特性中起着重要作用。在反向流动中,翼型的吸力面常伴随有旋涡的流动,类似于薄翼流动,翼型在较小的迎角下就会发生薄翼失速。