基于机器学习方法对23太阳活动周质子事件的研究

在耀斑伴随日冕物质抛射(CME)事件编目数据的基础上,进行太阳质子事件(SPE)匹配,构建研究数据集.利用Apriori算法挖掘SPE与耀斑级别、耀斑发生日面位置以及CME角宽度和速度的关联关系.结果 表明:X级耀斑、全晕CME、高速(＞1000 km.s-1) CME和日面西半球耀斑是最可能伴随质子事件的4种特征,其...     

BACKGROUND KNOWLEDGE AND SECONDARY KNOWLEDGE BASES IN LEARNINGS YSTEMS

讨论了背景知识和领域理论在学习过程中的作用，强调了学习系统中背景知识的重要性。文中介绍了一个以领域理论为主知识库、以背景知识为二级知识库的基于解释的学习系统，说明基于解释的学习系统如何利用背景知识克服不完全的领域理论带来的问题，使其能通过纯演绎的方法实现知识级的学习。最后，本文还简单讨论了学习系统中背景知识的获取方法。     

基于机器学习的卫星姿态控制律设计

传统的优化算法只能针对给定控制律的指定参数进行优化.机器学习的方法,不仅进化参数,而且可以按给定准则进化出卫星姿态控制律表达式.建立卫星姿态动力学模型及敏感器和执行机构的原理与误差模型,构成含噪声的单自由度的闭环数字仿真系统.统计一段时间内仿真结果的姿态精度和稳定度作为该控制律的适应度函数.针对姿态控制律选定合适的函数...     

一种基于肌声信号的穿戴式助力系统运动意图检测算法

针对未来深空探测活动中航天员在多种复杂任务环境下的运动助力需求,提出一种面向航天员穿戴式助力系统的运动意图检测算法。以航天员的关节力矩作为运动意图的表征,利用希尔伯特-黄变换对特定肌肉发出的肌声信号进行滤波处理,以消除由肢体运动导致的伪迹噪声和由传感器引入的高频噪声,并参照肌肉的发力原理对滤波后的肌声信号进行特征值提取,通过机器学习的方法建立肌声信号与关节力矩间的映射关系,使助力系统能够及时准确地识别出航天员的运动意图并实施助力。最后募集了3名志愿者进行了150 000组样本数据关节力矩辨识实验,实验结果表明：所提出算法的决定系数可达0.953 2,能够有效辨识航天员的运动意图。     

基于智能复合结构的可靠性分布模式自动识别

 采用Vor onoi 向量对SOM 网络算法进行了改进, 提高了学习收敛速度。通过提取数据的统计特征,建立了可靠性分布模式自动识别样本。提出的智能自动识别模型分两层, 在SOM 网络层对概率分布模式进行自动聚类, 在支持向量机层对各聚类组进行分类学习和识别, 获得识别模型的双层记忆权值。最后采用模型对常用可靠性分布模式进行了自动识别研究。测试结果表明, 建立的可靠性分布模式自动识别模型是可行、有效的。     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。     

基于风险偏好调整的随机森林算法的航班航程油量预测

燃油成本是航空公司的最主要成本之一,对航空公司的利润率影响巨大.航空燃油中携带量最多的是航程油.合理地预测和优化航程油量可以有效地降低航班额外燃油携带量,并提升机队燃油经济性和有效商业载荷.然而,以往的燃油预测研究数据来源较为单一、适用的运行场景和机型较为有限,从而导致难以得到推广应用.更重要的是,以往研究也未解决航班...     

人工智能技术在航空发动机孔探检测中的应用进展

孔探是当前航空发动机检修过程中应用最多的无损检测方法,也是孔探图像的唯一获取途径。近年来,深度学习等人工智能方法开始被应用到航空发动机损伤分类、检测中,为实现航空发动机检修智能化提出了一些现行有效的方法,具有重要的工业应用价值。本文概述了航空发动机孔探检测的发展和优缺点,综述了专家系统和机器学习人工智能方法在发动机孔探图像方面的应用进展,总结了基于孔探图像实现航空发动机孔探检测智能化面临的一些挑战。     

利用BP神经网络对卫星无热敏设备温度的估测

卫星上测温资源有限,只有部分设备有测温点,难以准确获得其他无测温点设备的温度.基于反向传播(BP)神经网络对复杂非线性系统优秀的拟合能力,建立了估测卫星上无测温点设备温度的神经网络,以在轨有测温点设备温度为输入层,以在轨无测温点设备为输出层,并使用卫星热试验获得的星上温度遥测数据和在轨无测温点设备的热电偶温度数据进行训...     

基于机器学习的绝热层材料粘-超弹性本构模型参数确定方法

为了更准确地描述固体发动机绝热层大变形特点以及力学响应与速率相关的力学性能,建立了一种粘-超弹性本构模型。模型由超弹性与粘弹性两部分组成,超弹部分的应力响应基于指数-对数形式的应变能密度函数推导获得,粘弹部分的应力响应为卷积积分形式。引入机器学习方法用于本构模型参数的厘定过程,该方法可以实现复杂模型的参数确定。将绝热层材料的试验数据与模型预测结果进行对比分析。结果表明,模型能够准确描述绝热层材料的力学响应,在不同拉速下(1.98、99、1980 mm/min)模型预测结果与试验结果的平均偏差分别为1.74%,8.1%,3.5%,从而说明基于机器学习的模型参数确定方法具有较高的可靠性与便捷性。