面向航天异构平台的深度学习编译器加速技术优化

为了解决TVM编译器在航天应用过程中优化时间过长的问题,针对TVM的自动搜索框架Ansor,提出一种新的基于LightGBM算法的成本模型来预测代码的运行时间。LightGBM算法由于减少了分裂点数量、样本数量、特征数量,使得新成本模型有效地降低了计算量,在不损害准确率的条件下加快了模型的训练速度,缩短了优化时间。实验结果表明,在相同的优化任务下,具有新成本模型的Ansor在优化时间上提高了1.6倍,整体推理时间提高了6.1%。     

基于MPSP的固体运载器能量耗尽管理方法

针对固体运载器耗尽关机能量管理问题,提出一种基于模型预测静态规划的快速能量耗散规划方法。为降低了能量耗散末段的姿态剧烈抖动现象,除末端速度和倾角外将控制量一并作为终端约束,最终形成多约束控制序列优化问题。利用模型预测静态规划算法在求解该类的最优控制问题方面的高效性,实现在飞行过程根据当前飞行状态在线能量耗散指令的快速计算。仿真结果表明,该能量耗尽管理方法有效可行,且具有很高的精确性和实时性。     

基于减小初始扰动的弹管间隙优化设计方法

针对火箭/发射装置系统,用牛顿-欧拉法建立了火箭和发射管的动力学方程组,基于MATLAB平台编写了方程组求解程序,在此基础上分析了弹管间隙对火箭初始扰动的影响,并利用二次回归模型求出了弹管间隙的最优解。计算结果表明,初始扰动角和角速度是弹管间隙的二次函数,而最优弹管间隙为该二次函数构成的齐次方程的解。该方法能为火箭发射系统的设计提供参考。     

武器装备备件管理与优化模型研究

武器备件管理是设备管理工作中的一项重要内容。为了科学合理地确定装备的备件品种和数量,使装备尽快具有战斗力和保障性,本文通过对武器装备备件的分类、预测、备件数量以及库存的控制研究,来缓解备件供应保障中经费与备件需求的矛盾,对现有备件数量计算模型进行改进,最后建立数学模型,并提出了备件配置的优化方法。     

“智能灰尘”探测器可预警太空风暴

据腾讯网2010年2月9日报道,科学家计划发射体积像灰尘大小的“智能灰尘”探测器,当这些微型探测器降落至拉格朗日点区域,它们将更近地感受到太阳辐射效应。预计“智能灰尘”探测器可以比NASA“高级成分探测器”等大型太阳监控仪器提早13min预警太空风暴。国际上科学家对这种“芯片类型”探测器颇感兴趣,目前佩克研究小组正在进行地面应用和微型电动机械技术设计。     

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。     

探索宇宙中的生命

围绕太阳以外其他恒星的70余颗行星现在是什么样子?这个问题一直引起公众和媒体的极大兴趣.在我看来,这种关注更多是因对外星智能生命的预期而促动的,而非发现太阳系之外行星本身.     

改进SO优化KELM的液体火箭发动机故障检测

提出了一种ISO-KELM的液体火箭发动机故障检测模型。首先引入Tent混沌映射、动态策略和柯西变异3种方法对原算法进行改进。然后,采用改进后的蛇优化算法(ISO)对核极限学习机(KELM)惩罚因子和核函数参数进行寻优,构建了ISO-KELM液体火箭发动机故障检测模型。最后选取包含5种典型故障模式的某液体火箭发动机历史试车数据进行仿真。结果表明,ISO-KELM模型的故障检测准确率为95.2%,高于SO-KELM故障检测模型和传统BP神经网络故障检测模型,可有效检测火箭发动机的故障状态。同时也表明了ISO相比于SO,收敛速度更快,寻优精度更高。     

基于以太坊区块链平台的智能合约开发

区块链2.0最典型的特点是智能合约,而以太坊内置有完备的编程语言,为构建智能合约的应用平台提供了很好地帮助。本文介绍了智能合约的概念和特征,然后展示了智能合约开发语言和集成开发环境以及如何部署智能合约,最后,列举了一个高校服务学生方面的智能合约应用案例,为区块链的开发提供了很好的参考和借鉴。     

基于智能优化算法的软件测试数据生成模型及其应用研究

本文首先总结了基于智能优化算法生成软件测试数据的研究现状。然后提出了一种通用的基于智能优化算法的软件测试数据生成模型,并将该模型应用在了基于遗传算法的测试数据生成上。实验表明,该模型具有很强的实用性,能够提高软件测试的覆盖率,奠定了软件测试数据生成的理论基础。最后总结全文并对未来的研究方向做出展望。