基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

微重力对拟南芥长势影响的代谢网络流平衡分析

微重力作为典型的空间环境因素,对植物生长发育的影响机制是空间生命科学的研究热点。微重力环境直接或间接影响植物代谢,并引起许多生理适应。 随着系统生物学的发展,代谢网络模型使微重力环境下的植物代谢建模成为可能。采用流平衡分析方法对模式植物拟南芥不同组织的代谢网络进行分析,研究微重力对拟南芥生长发育的影响机制。通过比较空间与地面条件下拟南芥的生物质产量,发现空间条件下拟南芥黄化幼苗、幼苗、芽、根、下胚轴的生物量分别下降了33.00%,51.52%,6.89%,12.53%,11.70%,与空间环境下拟南芥的长势变化趋势一致。代谢通路富集分析发现,微重力使得拟南芥的碳固定等通路下调,而磷酸戊糖途径上调,初步解析了微重力对拟南芥生长发育的影响机制,也验证了流平衡方法用于微重力生物学效应研究中的可行性。     

《国际太空》和《卫星应用》杂志2014年广告联合征订单

《国际太空》和《卫星应用》杂志均是由中国航天科技集团公司主管、中国空间技术研究院所属北京空间科技信息研究所主办的综合指导类月刊,《中国学术期刊网络出版总库》和《万方数据——数字化期刊群》全文收录期刊。杂志面向航天系统部门、主管政府部门的领导、行业专家和相关企业、高校及科研单位广泛发行。     

强电磁脉冲下柴油发动机系统薄弱环节识别

为识别强电磁脉冲环境下柴油发动机系统的薄弱环节,提出了一种加权故障树和分层贝叶斯网络相结合的柴油发动机系统薄弱环节识别方法。该方法综合考虑同层单元失效的相关性,加权故障树的局部应用解决了部分条件转移概率表不易获取问题。运用贝叶斯网络双向推理功能,首先,通过柴油发动机辐照试验和电磁仿真软件获得的各部件敏感度阈值及电磁应力数据,计算出强电磁脉冲下部件级到系统级的先验失效概率;然后,依据贝叶斯概率公式计算在发动机失效条件下各部件故障的后验概率,并排序以识别其薄弱环节,为电磁防护方案的设计提供参考和建议。以宽带高功率微波(WBHPM)辐照为例,说明了柴油发动机系统分层贝叶斯网络故障模型参数获取与概率计算过程。结果表明:执行器和凸轮轴位置传感器、曲轴位置传感器既为柴油发动机系统的重要部件,也为较薄弱环节,是需要重点防护的对象。      

航空电子AFDX与AVB传输实时性抗干扰对比

为满足未来航电系统音视频信息传输的需求,考虑车载嵌入式系统的候选实时多媒体网络AVB在航电环境中的应用,并对AVB与AFDX的传输进行了对比研究。首先构建AVB与AFDX标准对比;其次提出基于网络演算的AVB和AFDX端到端延迟计算方法;然后通过定义不同的消息传输场景,采用理论方法分析消息传输实时性的干扰要素;最后利用仿真方法予以验证。在典型1 000条虚拟链路的组网规模下,结果显示:AFDX高优先级流量的端到端延迟优于AVB,对于低优先级流量端到端延迟,则AVB和AFDX各有优劣;但受突发的流量影响,在增加50条各0.22 Mbit/s带宽的低优先级流量干扰情况下,高优先级流量平均端到端延迟的变化率在AVB中为0.25%,在AFDX中为0.38%;在增加50条各0.22 Mbit/s带宽的高优先级流量干扰情况下,低优先级流量平均端到端延迟的变化率在AVB中为5.17%,在AFDX中为10.25%。结果表明:时间敏感消息在AVB网络中传输实时性的抗干扰能力优于AFDX。     

抗反辐射导弹研究中的几个问题

 自60年代美国在越南战场首次使用百舌鸟反辐射导弹以来,经过不断改进,重新研制,美国的反辐射导弹已发展到了第三代（第二代为标准反辐射导弹,笫三代为哈姆反辐射导弹）。目前除美国外,英、法、苏联、联邦德国、瑞典、挪威和以色列都拥有自己研制的反辐射导弹。在越南战场、中东战争、叙利亚和以色列的黎巴嫩冲突、1985年的美国和利比亚冲突中，反辐射导弹发挥了很好的作用。     

基于不确定传感器状态的机载系统多层故障诊断方法

准确的机载系统故障诊断是保证飞机安全飞行和实现经济效益最大化的重要途径。然而传感器受到内外部环境条件的影响而不可避免的存在检测状态的不确定性,因此基于单个传感器或局部区域传感器综合检测结果的方法难以完全保证故障诊断的有效性和正确性。针对飞机机载系统的结构和工作原理,充分利用系统中不同层级、不同区域传感器检测特征之间的关联关系,考虑单个传感器本身存在的不确定性,构建了传感器信息前向融合与反向校验相结合的分层诊断决策方法,实现了对系统状态和传感器状态的双重估计与更新,克服了单一传感器故障对系统诊断推理准确度的影响。该方法较传统故障诊断模型,不再依赖某一个或某一类传感器信息的绝对可靠,在实现系统级的准确故障诊断同时,还能判断具体某一传感器本身是否发生虚拟警。在飞机液压系统故障诊断案例中,新方法成功将系统故障诊断的虚警率降低了96%,传感器的不确定度降低了84%。     

空中交通拥挤的识别与预测方法研究

随着航空运输业的迅猛发展,空中交通拥挤现象日益严重,空中交通拥挤研究已经成为国际民航界的一个研究热点。其中,空中交通拥挤的识别与预测是空中交通拥挤研究的主要内容之一,在此基础上综述了国内外有关空中交通拥挤识别与预测方法的研究状况。首先概述了基于不同拥挤形成因素和拥挤后果的空中交通拥挤概念的研究状况;接着依据所用交通数据时间尺度的不同,分别针对基于短期数据的阈值判别方法、基于长期数据的聚类识别方法以及基于混合数据的综合评价方法综述了空中交通拥挤的主要识别方法;然后分别基于数理算法(统计算法、交通流模型算法和智能算法)和计算机仿真模拟技术综述了空中交通拥挤的主要预测方法;最后指出了空中交通拥挤识别与预测问题的近年研究热点和未来的研究方向。