使用深度残差网络的乘波体气动性能预测

本文探究深度学习人工智能技术在飞行器气动外形预测中的应用。以激波装配法乘波体设计为背景,建立气动数据快速生成工具,使用拉丁超立方采样得到海量样本数据。使用深度残差神经网络构建气动外形参数到气动性能数据的代理模型,并与随机森林和双隐层神经网络等普通机器学习模型对比;同时将数据转换为图片,研究基于图片识别的深度学习模型搭建,省略飞行器外形的参数化表达。测试结果说明,深度残差网络作为数据代理模型的精度是随机森林和双隐层神经网络的3倍以上,而基于图片识别的代理模型精度提高有限。研究表明,深度残差网络在乘波体等易于生成大量数据的气动外形的性能预测中效果明显,为深度学习技术在气动外形设计中的应用奠定了基础。     

基于量测一致性的分布式多传感器多目标跟踪算法

针对无线传感器网络跟踪多目标过程中传感器能搭载的计算负荷有限,不宜采用复杂算法实现数据处理的问题,提出了一种基于量测一致性的分布式多传感器多目标跟踪算法。算法采用计算相对简易的最近邻域法处理多目标跟踪中的数据互联问题,针对最近邻域法容易受杂波干扰的情况,通过量测的平均一致性迭代来改进算法的性能。仿真结果证明,算法具备有效抑制因误判产生的错误量测对跟踪过程干扰的性能,实现了良好的传感器网络跟踪精度和估计信息一致性。     

一类Cohen-Grossberg型神经网络概周期解的全局指数稳定

研究了一类Cohen-Grossberg型神经网络概周期解的存在唯一性及全局指数稳定性,得到了判断概周期解存在唯一及全局指数稳定的充分条件,推广了一些已有的结论。     

基于时空特征融合的舰船航迹预测方法

针对海上舰船日益增多、海情日益复杂的严峻形势,改进舰船航迹预测方法,实现对海域态势的有效管控成为亟待解决的问题。结合舰船航迹获取简单、数量较大的显著优势,提出利用舰船航迹数据驱动的基于时空特征融合的舰船航迹预测方法。首先,联合卷积神经网络(CNN)和长短时记忆网络(LSTM)构造时空特征融合网络,充分提取舰船航迹的时空特征;然后,利用海量 AIS(Automatic Identification System)数据进行网络训练;最后,利用网络输出的航速和航向对舰船航迹进行预测。仿真结果表明,提出的网络具有准确的舰船航迹预测能力,能够适应舰船机动运动场景。与传统预测方法相比,该方法能够使预测 MSE减少 0.2~1.4,预测性能大大提高。     

基于机器学习的飞机动力装置运行可靠性

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性,针对运行可靠性影响因素的多维、耦合的特点,采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法;并基于飞机实际运行的快速存取记录器（QAR）数据,梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系,采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析,基于提取的QAR数据特征,采用随机森林、多变量神经网络回归算法,建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例,对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析,对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度;对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律,可为动力装置的运行与特情处理提供参考。     

令牌传递网络消息优先级的控制

对令牌传递网络按优先级传输消息的机制进行了分析,提出了一种新的令牌旋转定时器初值的计算方法,该方法使网络消息依最大允许的延迟时间从小到大排序,并在一定网络负载下保证所有消息传输的实时性.本算法得出的结果与国外较成熟的工程实例相比有相当的精度,证明本文的分析和算法是合理有效的.      

PGP中的信任问题及解决办法

PGP(Pretty Good Privacy)作为强有力的公钥加密工具,已经得到广泛的应用,但不正确的信任假设常常会破坏PGP的安全性.详细研究了PGP的信任模型——信任网,给出其信任结构及信任推理过程.对于PGP中的薄弱环节,提出了相应的解决办法.      

基于RBF神经网络的控制电器元件故障诊断

针对控制电器元件故障征兆与故障类型之间的非线性映射关系,提出了基于径向基函数神经网络RBFNN(Radial Basis Function Neural Network)的控制电器元件故障诊断方法.在分析控制电器元件故障机理和失效形式的基础上,提取出描述故障类型的典型故障特征矢量.给出在获得足够多故障信息的情况下,运用RBFNN进行故障诊断的模型及整个故障诊断算法的实现过程.为了验证故障诊断模型的有效性和合理性,利用训练好的RBFNN对故障特征矢量进行识别.仿真结果表明,RBFNN能克服诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求.      

面向广域网络的主动发布订阅系统的设计框架

事件空间划分技术改变了传统基于内容发布订阅系统的基本交互模式和相关实现策略,形成了主动发布订阅系统.为了建立主动发布订阅系统的完整解决方案,在分析系统基本交互模式的基础上,提出了一个主动发布订阅系统的设计框架ACTPS(Active Publish/subscribe System).分为6个设计模型: 事件模型,订阅模型,划分模型,构件模型,路由模型和匹配模型.详细描述了各模型的关键特征及核心实现策略,以及各个模型之间的联系.ACTPS为一般的主动发布订阅系统设计和实现提供了参考模型,并为进一步深入的研究和分析建立了基础.      

复合泡沫塑料力学行为模拟的ANN方法

对人工神经网络(ANN)方法在复合泡沫塑料力学行为模拟中的应用进行了研究.首先,选取影响材料力学行为的因素和所需模拟、预测的力学性能作为输入、输出量;然后,利用反向传播算法建立了四层神经网络模型,对复合泡沫塑料的力学性能和本构关系进行了模拟和预测.数值结果表明,训练后的神经网络模型能较好地模拟、预测材料的模量、屈服强度和不同应变率及不同温度下的压缩应力-应变曲线.此外,3种不同改进训练方法的比较说明,Bayesian规则化法的泛化能力最好,LM法收敛最快,而自适应梯度下降动量法则需要较长的迭代时间才能达到相同的精度.