空间机器人发展现状与思考

介绍了空间机器人的基本概念、特点和发展历程,在简述我国空间机器人技术发展现状的基础上,重点介绍了我国空间站机械臂、嫦娥三号巡视器和嫦娥五号采样机械臂等空间机器人的研制情况。结合我国空间机器人型号研制和技术研发的经验和教训,对我国空间机器人未来发展应关注的一些问题提出了建议。     

残量分布格式初步研究与应用

介绍了一种新的流场计算数值格式——残量分布格式。它是一种多维迎风格式,适于三角形网格和四面体网格。给出了该格式的标量方程和Euler方程。算例显示:该格式能处理稳态与非稳态问题,计算精度高,有较强的捕捉激波能力,且结构紧凑,易实现编码。     

飞行器组网多维地磁匹配的相关度算法

地磁匹配导航技术是跨海飞行器的自主导航方式之一。海洋磁场强度平滑、区域变化较大的特点,使得飞行器一维地磁匹配方法难以应用于飞行器自主导航。在跨海飞行器组网条件下,讨论了多维地磁匹配相关度算法,并仿真计算了多维地磁匹配相关度的匹配时间、匹配概率,计算表明多维地磁匹配相关度算法优于单航迹匹配相关度;在相同概率下区域内370 m×370 m网格匹配时间短、匹配概率高。飞行器组网多维地磁匹配的相关度算法研究为海洋区域地磁匹配导航应用提供参考。     

实施培训创新 创建学习型民航企业

民航是科学技术密集、信息化程度高、产业链条长的行业,实现我国民航由大到强的转变,学习显得尤为重要。创建学习型民航企业,是实现从民航大国向民航强国历史性跨越的内在要求。而要实现建立学习型民航企业,通过培训和创新,促进民航企业员工及企     

平均场网络在航迹关联中的应用

在多节点分布式多传感器融合系统中,航迹关联问题可以化为多维分配问题。多维分配问题是一个典型的组合优化问题,很难得到问题的最优解,而且其计算量会随着问题维数和目标数的增加容易呈现指数爆炸现象。在二维平均场人工神经网络的基础上提出了一种三维平均场网络模型用于解决此三维分配问题。仿真结果表明,该人工神经网络模型,能够有效解决多维分配问题,具有较高的关联正确率,当目标数不是很多时,可满足工程上的要求。另外,提出的三维网络模型可以推广到多维情况用于解决多维分配问题。     

一种协作目标定位与协作自定位的并行集成方法

当群智能体在进行目标跟踪时,它们可以以协作的方式对自身和目标进行定位.为了最大限度地发挥群协作的优势,本文设计了一种协作目标定位(Cooperative target-localization,CTL)和协作自定位(Cooperative target-localization,CSL)的并行集成的运行策略.首先,建立...     

新型扭簧电连接器的确信可靠性正向设计优化

新产品正向设计需综合考虑新结构工艺、多设计变量、复杂工作环境的影响,并合理量化不确定性影响,评估可靠性水平,从而在源头上确保高可靠性。基于确信可靠性理论,研究了基于性能裕量的确信可靠性正向设计优化方法。提出了面向新型扭簧电连接器研发的确信可靠性正向设计优化基本流程,包括设计变量初值优选、性能裕量建模、不确定性量化和确信可靠性分析与优化4部分。以某新型扭簧电连接器的正向设计为例,基于正交实验、响应面建模和模拟退火启发式优化等方法实现了多维离散-连续变量及其不确定性作用下的优化设计。      

关于RBCC动力系统的思考

回顾了RBCC动力系统研发的历程和趋势,分析了RBCC动力系统的速度、高度等基本特性。建议RBCC动力系统研发应致力于火箭发动机与冲压发动机功能的拓展与完善,注重综合性能的提高;加强与飞行器一体化设计,考虑进气道、燃烧室、尾喷管及燃油供应系统的共用;依据具体飞行器方案开展关键技术攻关和基础技术研究;首先开展临近空间高速、机动飞行器动力系统研发,针对两级入轨动力系统之二级开展关键技术攻关。     

民用飞机机身壁板复杂试验载荷优化技术

针对民用飞机复合材料机身壁板强度试验中的载荷预计问题，构造了基于应变误差矩阵的壁板试验载荷优化模型，并利用多维极小值优化算法预计了壁板试验载荷。首先，基于机身壁板在试验装置中的受载形式，建立了机身壁板及试验装置有限元模型，并计算了各试验基准载荷作用下的机身壁板应变矩阵；其次，基于机身壁板在全机身受载状态下和试验受载状态下的应变矩阵之差，同时考虑矩阵中各元素的加权系数，构建了机身壁板应变误差矩阵，并以应变误差矩阵所有项的平方和最小为目标，以各基准载荷的系数为优化变量，以各基准载荷系数的上下限为约束，构建了基准载荷系数优化函数；基于罚函数法对优化函数进行了无约束处理，并利用最速梯度法进行了载荷系数优化；最后，基于优化得到的载荷，计算了机身壁板在试验复合载荷作用下的应变，并与机身壁板在全机身受载状态下的应变相对比，应变的分布趋势基本一致，应变误差在10%以内，证明该方法可以为机身壁板试验载荷的确定提供支持。     

基于MTF-MSMCNN的小样本滚动轴承故障诊断方法

针对样本数量不足以及工况条件复杂导致故障识别精度低下的问题，提出一种基于马尔科夫转移场与多维监督卷积神经网络（Markov transition field and multidimensional supervised module convolutional neural networks, MTF-MSMCNN）的小样本滚动轴承故障诊断方法。采用MTF编码方式将一维滚动轴承信号转化为二维特征图像，使其保留时间相关性；提出多维监督模块（Multidimensional supervision module, MSM），在空间维度和通道维度监测重要故障特征并自适应赋予权重，提升模型捕捉关键特征的能力；将MSM嵌入到卷积神经网络中，构建出MSMCNN模型；通过试验构建复杂工况条件，将MTF图像输入到所提模型进行故障诊断，并运用两种数据集验证模型有效性。试验结果表明，MTF-MSMCNN在每类故障训练集样本仅有10个且在0 dB噪声污染下故障诊断精度依然可达90%左右，对比其他诊断模型，本文所提方法在小样本、变工况以及噪声干扰条件下具有更高的识别准确率、更强的泛化能力以及抗噪性能。