BP神经网络反演核事故源项中重要参数的研究

核事故发生时,可靠、准确的源项信息能为应急防护行动措施决策提供数据支持。采用Matlab软件神经网络工具箱可以实现基于BP神经网络的核事故源项反演,为提高核事故源项反演计算的准确度,针对反演时的几个重要参数进行研究,包括隐含层节点数、训练函数、学习率和隐含层数。研究结果表明,在单隐含层神经网络结构情况下,存在着最优隐含层节点数,综合考虑训练时间和误差,本文选取隐含层节点数为50来对其他参数影响进行进一步研究;在相同参数设置条件下,训练函数Trainlm比Traingdm更适合数据量较小时的核事故源项反演,反演计算准确度更高,在节点数为50时训练时间缩短了近35%;高学习率以及双隐含层能有效地提高核事故源项反演的精度,但训练时间相对增加。     

面向绕月交会对接的同波束VLBI研究

针对"嫦娥5号"(CE-5)探测器间高精度相对测量需求,设计了我国深空干涉测量处理中心框架下的同波束VLBI处理算法,分析了X波段同波束VLBI相位解模糊条件和结果;通过引入群时延辅助的相位干涉技术,大幅抑制了干涉时延随机误差,为同波束VLBI中相位解模糊提供了先验条件;利用CE-5对接实测数据验证了本文工作的有效性,为CE-5任务同波束VLBI的实施奠定了基础。     

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

一种基于迭代的多音干扰消除方案

针对正交频分复用技术(OFDM)系统的多音干扰,本文提出先通过增加频域分辨率进行多音干扰识别,再基于迭代运算逐个对多个单音干扰进行参数估计、重构和消除的方案。其中,在多音干扰识别阶段,使用Zoom FFT技术以提高频域分辨率并简化计算复杂度。然而,Zoom FFT后的降采样序列点数不一定满足2的整数次幂,对于单音干扰参数估计,此时可采用经典的基于离散傅里叶变换(DFT)的最大似然参数估计(DFT-MLE),但当采样点数太大时,DFT运算将带来很大的实现复杂度。本文在基于DFT-MLE算法基础上给出一种基于快速傅里叶变换(FFT)的单音参数估计法FFT-MLE,不仅简化了运算复杂度,而且相比DFT-MLE其估计性能有更好的鲁棒性。最后的仿真结果说明了该多音干扰消除方案的有效性。     

基于新型C4D的小管道气液两相流流型辨识方法

基于径向结构的电容耦合式非接触电阻抗检测传感器,结合小波包分析技术和K-均值聚类算法,提出一种小管道气液两相流流型辨识方法。首先,利用径向结构的电容耦合式非接触电阻抗检测传感器,获取反映被测流体信息的电阻抗测量信号实部信息和虚部信息。然后,采用小波包分解的信号处理技术将实部信息和虚部信息分别分为4个频率段,提取不同频率范围的能量分布情况,并与各自的均值、方差构成特征向量。最后,利用K-均值聚类算法进行模式分类,建立流型辨识模型。在内径为3.5 mm和5.5 mm的玻璃管道内进行验证实验,实验结果表明,所获得的传感器测量信号能反映流体流动信息,提出的流型辨识技术路线是有效的,流型辨识精度可达88%以上。     

传递对准的一种方位估计方法

以往的速度匹配方法通常水平失准角估计精度很高,对准时间快而方位失准角估计不理想,为了克服这个问题,本文推导了一种新的方位估计方法。首先由新的速度匹配方法估计出两个水平失准角,然后把这两个失准角信息当做已知量,计算出了方位失准角。并且根据理论推导进行了仿真,结果表明,该方法估计方位失准角精度高,有很好的实用性。     

车载武器惯导系统传递对准技术研究

针对车载武器捷联惯导系统动基座传递对准问题,研究了传递对准的基本原理,建立了地面武器弹载子惯导系统(SINS)动基座速度匹配传递对准的误差模型,并考虑SINS的惯性器件误差。采用了零速校正方法用以提高载车主惯导系统(MINS)的导航精度。根据速度匹配传递对准原理,推导了速度匹配方式下MINS与SINS导航解算速度之差的量测方程。在此基础上,设计了一种传递对准卡尔曼滤波器,并进行了仿真研究。仿真结果表明：SINS速度匹配传递对准在短时间内即可估计出SINS的水平失准角,对准精度可达到0.4＇以内,方位失准角在经过多次零速校正过程中的加减速机动后,对准精度达到0.7＇以内。     

基于BP网络的机载导弹备件需求量预测

针对机载导弹部署后期与备件有关的各项保障数据比较充足的情况,在进行备件需求量影响因素分析和量化的基础上,应用BP神经网络模型对其进行了预测。仿真结果表明,充分利用了各有用数据,能有效提高预测的可靠性和准确性。     

神经网络在高空长航时无人机翼型多点优化中的应用

NSGAII算法在翼型多点设计中有着广泛的应用价值,然而其巨大的计算资源和计算成本限制了它的使用。为了解决这个问题,本文引入具有较强非线性映射能力的神经网络代理模型,采用实验设计结合BP法训练神经网络响应面来代替N-S方程求解翼型的性能。在实验点的数值模拟中,为了进一步节省计算资源,提高计算效率,采用网格的变形代替网格的重新划分,使得计算网格的更新速度提高了约50%。在翼型的参数化过程中,采用改进的PARSEC方法,用较少的参数实现了翼型的精确控制。为了增强神经网络的泛化能力,采用12-7-4-3-1的隐层结构。对NLF1015翼型的多点优化算例表明,此方法不仅显著降低了整个优化过程的计算量,而且对翼型的气动性能预测也具有较高的可信度,在高空长航时无人机的翼型设计中具有一定的潜力。     

LSDW速度随激光参数和环境气体压强变化规律的实验研究

对LSDW速度随入射激光能量、激光聚焦角度和环境气体压强变化的规律进行了实验研究。研究发现,入射单脉冲激光能量越大,聚焦角度越小,环境气体压强越小,LSDW的传播速度越大。实验测量得到的LS-DW速度随入射激光能量、聚焦角度和环境气体压强的变化规律与一维理论公式中体现的规律完全一致。将相同条件下的实验数据与理论结果进行比较后发现,二者在定性上取得了很好的一致性,但在定量上有所差别,因此需要对现有一维理论公式进行修正,以便更深入地研究LSDW的传播演化规律和特性。