基于数据挖掘算法的热压罐固化周期预测研究

目前,计划人员只能根据相关工艺文件中固化参数及热压罐固化周期的历史数据对热压罐进行连续排罐,导致计划人员无法制定精细的排产计划,还没有利用数据挖掘算法对热压罐固化周期进行预测的研究。采用支持向量回归和KNN预测两种预测方法,并对两种方法的预测结果进行对比试验。试验表明KNN预测的预测结果中有90%的罐次均优于支持向量回归的预测结果,且有90%罐次的误差小于0.5h。最后对两种方法的预测结果进行了原因分析。     

轨道交会、悬停及绕飞控制的解析解方法

面向航天器交会对接、编队伴飞以及在轨操控等空间应用的需求,分别对近圆、椭圆轨道上航天器间的相对运动进行了分析与建模,在常值推力作用假设下进行了相对运动的解析求解。采用模型预测的方法获得航天器相对位置和相对速度的预期偏差。通过广义逆变换构造关于预期偏差的最小范数、最小二乘全状态反馈控制器。提出了一种普遍适用于近圆、椭圆轨道,可以实现轨道交会、相对悬停保持和循迹绕飞,对相对位置和相对速度进行同步控制的高精度、高稳定度相对制导律。仿真结果校验了方法的可行性和有效性。     

基于小波神经网络的陀螺漂移预测研究

实时识别陀螺漂移,并且预测漂移性能的变化趋势,对提高整个导航系统的精度有着十分重要的意义。本文结合小波分析理论和小波神经网络的非线性预测算法,对陀螺信号进行趋势提取与漂移预测。采用小波神经网络避免了其它神经网络存在的局部最小化的缺陷,小波分析的引入可以有效提取出原信号的趋势,大大降低了环境因素的影响。将小波神经网络非线性预测算法与小波趋势提取算法结合,建立陀螺仪漂移趋势的预测模型,对某光纤陀螺实测信号仿真预测其漂移趋势,仿真结果证实该预测模型与实际情况相符,具有较好的预测精度,为预测一般陀螺的随机漂移提供了一种新的有效途径,同时还对一般陀螺仪表的漂移模型建立方法提供借鉴。     

基于Toeplitz矩阵重构的相干信源DOA估计算法

提出了一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

一种新颖的快速DOA估计算法

一次快拍空间FFT法运算量小,但抗噪声性能较差,易形成伪峰;多次平滑FFT法充分利用阵列多次快拍的所有数据,具有较好的抗噪声性能,抑制了伪峰的形成,但运算量较大。提出了自相关阵平滑空间FFT算法,其性能优于现有的自相关阵单列FFT,与多次平滑FFT法相当且易于实现,运算量较小。理论分析与仿真实验证明了该算法的有效性。     

基于BP神经网络X频段调制器故障预测

本文采用BP神经网络对X频段调制器的故障预测进行研究,通过仿真软件编程构建BP神经网络故障预测模型,验证X频段调制器输出功率指标的精确性,根据测试结果表明建立的BP神经网络故障模型预测误差很小,能够较准确对X频段调制器的输出功率故障进行预测。     

基于SCSO-BP神经网络的卫星姿态控制系统故障预测

近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。     

NASA在声振领域研究的新成果

近年来在航天工业中声振已产生了许多重要进展。本文介绍了在NASA格伦研究中心所完成的工程项目中在声振领域取得的一些成果。     

低空突防最优航路规划算法与仿真

基于树型拓扑结构和动态规划理论,通过全局离线规划和局部实时规 划相结合,探讨了一种适合于工程应用的低空突防最优航路规划算法,并采用航 迹剖面坡度/曲率设计方法进行平滑和曲线拟合,利用飞行控制制导系统所需的 控制指令转换,实现了在巡航导弹低空突防综合演示系统上的仿真运行,进一步 验证了算法的有效性。