空间智能控制技术国家级重点实验室第三届学术研讨会征文通知

空间智能控制技术国家级重点实验室第三届学术研讨会将于2009年7月召开,地点待定,主题为“深空探测航天器自主控制技术”。研讨会由空间智能控制技术国家级重点实验室和《空间控制技术与应用》编辑部共同主办。     

“空间控制技术与应用”专题学术研讨会顺利召开

空间智能控制技术国家级重点实验室“空间控制技术与应用”专题学术研讨会于2008年10月28日在重点实验室学术报告厅召开。会议由重点实验室和《空间控制技术与应用》编辑部共同主办。除重点实验室学术委员会成员到会外,来自清华大学、北京航空航天大学、哈尔滨工业大学、国防科技大学和北京科技大学等单位的28位代表应邀参会。     

未来智能跨域弹性防御体系展望及关键技术分析

智能化赋能、全维度攻防、弹性分布式协同已经成为未来攻防对抗作战体系发展的重要方向,面向未来全域立体攻防体系对抗,本文全面分析了未来智能跨域弹性防御作战需求,提出了未来智能跨域弹性防御体系构建思路和发展趋势,分析了智能化跨域弹性防御作战的关键技术,以支持未来智能跨域弹性防御作战体系建设。     

轴功提取与引气一体化管控对航空发动机燃油经济性的影响分析

为获得机载系统轴功提取和引气一体化管控对发动机燃油经济性的影响机制,建立实现该功能的自适应动力与热管理系统模型,利用4阶龙格库塔法与牛顿迭代法耦合求解,分析了不同巡航高度H下轴功提取与引气能量转换效率比η、轴功提取与引气作功比λ、APTMS相对转速Nz等对系统燃油代偿损失的影响。仿真结果表明:轴功提取与引气能量转换效率比η大于临界值时,系统燃油代偿损失随着轴功提取与引气作功比λ的增大而减小,反之则燃油代偿损失增大,变化幅度最大可达20%;APTMS相对转速Nz越大,半闭式空气循环风扇涵道引气越小,动力涡轮低压级引气及功率提取量越大,则燃油代偿损失越大,增量最大可达1倍。说明通过轴功提取与引气一体化管控可有效提高发动机燃油经济性。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

飞行器集群协同制导控制方法及应用研究

分析了目前多飞行器协同作战的发展现状与趋势,指出了多飞行器以编队形式进行协调与配合,可以有效提高突防概率与作战效能。针对飞行器集群协同制导控制技术,分析梳理了相关的技术难点。然后,分别对协同任务规划与动态目标分配方法和多飞行器编队协同控制方法、多约束条件下的分布式协同制导方法的国内外研究现状进行了介绍。最后对飞行器集群协同制导控制技术进行了总结,并对未来的发展方向进行了展望。     

基于多智能体的多机型协同作战决策系统模型研究

多机型协同作战决策系统开发是一项很复杂的工程,各组成要素之间的活动很难进行定量分析和描述,战场情况也复杂多变,具有不可预见性和不可再现性。文中基于目前多机协同作战仿真的发展现状,运用多智能体(Multi-agent)技术,提出了多机型协同作战复杂系统分析与设计决策仿真模型;介绍了运用群建模和开发工具对基于Multi-agent的多机型协同作战决策系统仿真的实现。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。     

一种THALES导航智能监控的设计与实现

本文针对THALES导航系统提出一种基于网络数据分析的智能监控系统。该系统通过网络抓包分析得出不同状态的网络状态码,用C#语言在visual 2010平台上实现了软件网络模块、告警模块和监控模块的设计。设计弥补了厂家软件无法智能发声告警的不足,目前已投入实际应用。     

基于TeamCenter平台的TBOM研究

产品数据管理(PDM)系统通过包含产品结构信息的物料清单(BOM),来进行设计、工艺、制造等环节数据的组织和管理,由此产生了设计BOM(EBOM)、工艺BOM(PBOM)和制造BOM(MBOM)等。若产品试验过程数据按BOM来组织和管理,则可与设计、工艺、制造等环节关联,构建产品全生命周期数据管理。就试验BOM(TBOM)进行了深入研究,即从EBOM入手,依靠中性BOM(NBOM),最终演变成TBOM。通过对TBOM的维护,可满足不同企业对试验数据管理的需求。