一种新型的基于预测的卫星资源分配方法

针对传统的按需分配方式所造成的长时延问题,提出了一种新型的基于业务预测的按需分配方法。该方法通过预测业务在等待队列中的长度,将预测信息发送给网络资源控制中心,再由控制中心动态地分配带宽资源,达到服务质量的要求。在阐述了按需分配和业务预测的基本算法后,通过仿真分析了不同的业务类型采用不同的预测信息发送间隔时间的时延性能,分析中考虑了实时业务比非实时业务享有更高的优先权,并且比较了常规按需分配与基于业务预测的按需系统分配方法的时延性能。仿真结果表明利用业务预测,选择合适的预测信息发送间隔时间,能够有效地改善带宽资源分配的时延性能,相比一般的按需分配方式服务质量有了明显的提高。     

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

PREDICTION OF SURFACE ROUGHNESS FOR END MILLING TITANIUM ALLOY USING MODIFIED PARTICLE SWARM OPTIMIZATION LS-SVM

It is difficult to construct the prediction model for titanium alloy through analyzing the formation mecha- nism of surface roughness due to the complicated relation between influential factors and surface roughness. A no- vel algorithm based on the modified particle swarm optimization （PSO） least square support vector machine （LS- SVM） is proposed to predict the roughness of the end milling titanium alloys. According to Taguchi method and features in milling titanium alloys, the influences of cutting speed, feed rate and axial depth of cut on surface roughness are investigated with the analysis of variance （ANOVA） of the experimental data. The research results show that the construction speed of the modified PSO LS-SVM model is two orders of magnitude faster than that of back propagation（BP） model. Moreover, the prediction accuracy is about one order of magnitude higher than that of BP model. The modified PSO LS-SVM prediction model can explain the influences of cutting speed, feed rate and axial depth of cut on the surface roughness of titanium alloys. Either a higher cutting speed, a lower feed rate or a smaller axial depth of cut can lead to the decrease of surface roughness.     

基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

基于应力循环特征的裂纹萌生寿命预测方法

以两种镍基高温合金的应力循环特征为基础,即粉末高温合金FGH95的循环硬化继而软化及变形高温合金GH4169的循环软化特性,寻求载荷历程相关的损伤参量,进而建立应力弱化损伤模型,以考虑载荷历程对疲劳寿命的影响.建立的应力弱化损伤模型可以较好地预测不同循环载荷条件下的疲劳寿命,其预测精度不低于传统方法,且优势在于使建立模型所需要的试样数量大大减少.      

基于交互式多模型滤波算法的航迹预测

航空器航迹预测是空中交通冲突探测与解脱,以及进离场管理等空中交通管制自动化系统的重要组成部分。基于混杂系统理论,描述航空器在水平面的运动模型,并针对航空器运动的多样性和不确定性提出了利用交互式多模型的航空器航迹预测算法。将算法应用于航空器的航迹预测,并与单一模型的卡尔曼滤波、α-β滤波和α-β-γ滤波的仿真预测结果对比,结果表明算法的有效性。     

翼型湍流尾缘噪声半经验预测公式改进

改进了传统的翼型湍流边界层尾缘噪声BPM半经验预测公式。传统的BPM半经验湍流边界层尾缘噪声预测公式对高攻角和厚翼型在高频范围的预测结果大于实验结果,通过分析比较传统BPM半经验预测公式和Howe翼型尾缘噪声理论模型发现:这主要是由于传统BPM半经验预测公式对压力面声源噪声辐射高估引起的。因此将压力面声源噪声辐射与吸力面声源噪声辐射的幅值比由原来的边界层位移厚度一次方比值改进为二次方比值,进而得到了改进后的BPM半经验预测公式;使用改进后的BPM半经验预测公式对NACA0012翼型在不同来流不同攻角下的噪声辐射进行了预测比较,发现对于NACA0012翼型,改进后的BPM半经验预测公式具有较高精度;另外也预测了较厚的风力机翼型DU-96-W-180,预测结果明显改善。     

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.      

航天工程地面测控软件的软件生存周期模型

软件生存周期模型(Software Life Cycle Model)是用于描述软件从开始研制到退出应用全过程中,各种活动如何执行的范化模型。对于航天工程地面测控软件,瀑布模型、演化模型、螺旋模型、原型模型等传统模型往往不能非常有效地适应其特性,存在一定的困难和问题。本文结合这些经典软件生存周期模型,在分析航天工程地面测控软件高可靠、需求易变等特点的基础上,提出了更具针对性的生存周期模型——构造增量模型。