基于多核计算机集群系统的网格分区策略

网格分区技术是提高并行计算效率的重要手段。基于图的分区技术(如Metis等)已经可以完全做到负载平衡,但是随着计算机集群系统的发展,节点间的通讯成为并行计算中的重要时间消耗部分。为此,提出一种适用于非结构网格的新分区策略(MC Partition method),减少了节点间的通讯规模,结果表明,这种分区方法可以较大的提高并行计算效率。     

基于CORBA的分布式网络管理的研究

详细地介绍了将CORBA这种面向对象地分布式中间件用于网络管理的方法,着重探讨在实现基于CORBA的分布式网络管理中的关键的技术-CORBA/SNMP网关,通过CORBA/SNMP网关实现CORBA域与SNMP域的透明通信。     

现代模拟电路故障诊断方法发展综述

模拟电路故障诊断技术近年来得到了迅速发展,取得了许多可喜的成果。该文探讨了这一领域中一些重要的热门研究问题,主要包括:基于专家系统、神经网络、模糊理论、小波变换等理论发展起来的模拟电路故障诊断的新理论和新方法;重点介绍了作者总结的上述各种方法的基本原理、优缺点及其发展现状;对其他一些智能方法也进行了简要介绍;最后指出了模拟电路故障诊断技术的发展趋势。     

应用于飞行器风洞试验的绳牵引并联机构技术综述

首先概述了法国航空局SACSO项目关于绳牵引并联机构应用于飞行器风洞试验的研究工作,然后从六自由度绳牵引并联机构的结构设计、运动学及性能分析、工作空间的分析与综合、静刚度分析、运动控制和力控制等六方面,详细分析了六自由度绳牵引并联机构应用于飞行器风洞试验中的关键技术。分析结果表明:六自由度绳牵引并联机构必须根据飞行器的类型,以工作空间大小为依据进行构型设计;其运动控制方案可借用PID控制或自适应控制,其优点是便于动力学模型的线性化和解耦;其力控制方案可借用经典的阻抗控制和力/位置混合控制,但适用于飞行器风洞试验的六自由度绳牵引并联机构的更完善的力控制策略还有待进一步的研究。     

基于二进制粒子群算法的战时航空网络规划研究

领空作为国家资源的一部分,其使用、调配关系到国家的安全与发展,在战时,将更多的空中资源调配给军航使用,有利于保障军事行动的顺利进行。基于此,提出一种基于二进制粒子群算法(BPSO)的战时航空网络规划方法。首先,对航空网络建模,收集航班数据;其次,建立航空网络性能评价体系;然后,以使用尽可能少的民航机场维持预期网络性能为目标,以作战意图和战场环境为约束条件,通过BPSO 算法进行求解;最后,进行仿真分析。结果表明:该方法能够结合作战意图、反映战场环境、合理调配航空资源,为战时航空管制工作提供决策依据。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。      

自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.     

LEO/MEO双层空间信息网中基于身份的群组密钥管理方案

由于空间信息网中结点的移动性,在空间信息网中实现传统的群组密钥管理面临许多困难.根据空间信息网的特点,分析了空间信息网中群组密钥管理方案的需求,设计了一个适用于LEO/MEO双层空间信息网络的群组密钥管理方案,采用基于身份的思想,消除了对证书系统的依赖,能在空间信息网中灵活高效地实现.将空间信息网中的结点根据其逻辑位置划分为簇,其中簇头为MEO卫星,在密钥交换阶段中共享密钥仅由所有簇头结点决定,这种机制大大减少了通信量.方案能有效抵抗外部攻击者,并且具有前向保密性和后向保密性.仿真实验表明,方案具有很高的通信效率.