基于深度学习的太阳10.7 cm射电流量日值的中期预报

针对太阳10.7cm射电流量中期日值预报问题,采用深度学习方法,建立了一个典型的基于多层感知器模型的神经网络。该网络采用1个包含90个神经元的隐含层,实现了一种非参数的时间序列自回归模型。预报中不仅考虑历史日值,还考虑了历史预报误差。模型根据前27d的历史数据实现了未来27d的日值预报。通过对50多年数据的训练和试验分析,该方法在短期和中期预报上较传统方法的相对误差明显降低。特别是模型经一次训练后,参数可以完全固定,不同于以往研究参数需要每天滚动更新,大大简化了日常预报,同时极为有利于模型在其他相关应用中的推广。     

以培养适用型人才为宗旨建立新型的校外学习中心管理体系

校外学习中心是远程教学和远程学习的活动基地.校外学习中心必须能适应市场经济形势需求,以培养适用型人才为宗旨,不断完善自身机制,实行规范化管理,不断提高教学管理工作水平,建立起新型的管理体系.     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本、高效率、高精度的故障快速定位。     

基于自编码网络的导弹攻击区实时计算方法

针对传统中远距空空导弹三线攻击区无法为飞行员提供丰富的战术决策信息,火控系统计算攻击区实时性差、精度低的问题,提出以攻击机为中心,考虑目标逃逸机动的新型导弹杀伤包线概念。分析经典战例中目标机规避导弹的常见机动方式,将攻击区抽象为导弹的七种杀伤包线,给出准确的计算方法并进行离线仿真。确定8种影响杀伤包线的运动参数,构建样本库。引入深度学习方法,建立降噪自编码网络（AE）模型,采用无监督学习提取样本初级特征,获取表征样本库非线性规律的高维特征量;建立深度网络模型,采用监督学习提取高维特征量中的高级特征并进行拟合。实验表明深度网络的拟合值与六自由度仿真结果以及导弹真实数据相比,误差可控制在15 m之内;网络在线解算只需0.04 s,能够满足实时性需求;新型杀伤包线为飞行员及时掌握敌我态势提供了有效的辅助信息,为机动决策提供理论依据。     

融合邻域色差的PSPNet对遥感影像的分割

传统的遥感影像语义分割利用影像的光谱特性,将具有相似值的像素进行归类,但无法区分具有不同光谱的同一类对象.针对这一问题,提出将邻域的色差信息和原始图像一起输入PSPNet网络中的方法.先将RGB变换到LAB空间,然后采用CIELAB公式计算出每一个像素与周围8个邻域像素的色差值,取平均值作为该像素的邻域色差值.在WHU...     

Study on the resolution of multi-aircraft flight conflicts based on an IDQN

With the rapid growth of flight flow, the workload of controllers is increasing daily, and handling flight conflicts is the main workload. Therefore, it is necessary to provide more efficient conflict resolution decision-making support for controllers. Due to the limitations of existing methods, they have not been widely used. In this paper, a Deep Reinforcement Learning(DRL) algorithm is proposed to resolve multi-aircraft flight conflict with high solving efficiency. First, the characteristics ...     

基于T-S模糊模型和迭代学习观测器的飞行系统故障容错控制

针对执行器失效的一类飞行控制系统,提出基于迭代学习观测器的模糊容错控制律,利用Takagi-Sugeno(T-S)模糊模型对非线性系统进行描述、建模和控制.一旦系统发生故障,迭代学习观测器在估计系统状态的同时估计执行器的卡死值,然后利用估计的状态和故障信息构成反馈模糊控制律进行调节,以实现故障系统对参考系统的状态跟踪.给出了系统能进行容错控制的参数匹配条件,并利用Lyapunov理论详细分析了系统的稳定性以及闭环系统信号的有界性,某歼击机的仿真实例证明了本文方法的有效性.     

Intrinsic component filtering for fault diagnosis of rotating machinery

Fault diagnosis of rotating machinery has always drawn wide attention. In this paper, Intrinsic Component Filtering (ICF), which achieves population sparsity and lifetime consistency using two constraints: $l_{1/2}$ norm of column features and $l_{3/2}$ -norm of row features, is proposed for the machinery fault diagnosis. ICF can be used as a feature learning algorithm, and the learned features can be fed into the classification to achieve the automatic fault classification. ICF can also be used as a filter training method to extract and separate weak fault components from the noise signals without any prior experience. Simulated and experimental signals of bearing fault are used to validate the performance of ICF. The results confirm that ICF performs superior in three fault diagnosis fields including intelligent fault diagnosis, weak signature detection and compound fault separation.     

SiC/SiBCN-Si3N4复合材料力学性能研究

为了深入了解SiC/SiBCN-Si₃N₄材料微观形貌与高温力学行为,建立科学可靠的定量表征方法,本文使用多种表征手段对SiC/SiBCN-Si₃N₄材料进行定量观测,首先进行材料孔隙率及密度的测试,随后进行材料高温原位力学性能测试并对材料损伤机理进行了分析,最后基于试验数据构建了一种可解释的深度学习模型,实现了材料高温非线性本构关系预测。样件力学性能分析结果表明：平均应力预测误差为0.27%~0.59%、平均应变预测误差为1.96%~3.41%;同时通过量化分析明确了影响力学性能的因素依次为温度、偏轴角度、孔隙率及密度。本文实现了不同环境温度、偏轴角度与外载荷作用下SiC/SiBCN-Si₃N₄宏观力学性能的预测,可为陶瓷基复合材料高温本构模型的建立提供新思路。     

一种新的联想记忆系统及其学习收敛性

提出了一种新的联想记忆系统--基于牛顿前向插公式的联想记忆系统(NFI AMS),用以实现在任意阶多变量多项式函数的高精度逼近,设计了相应的学习方法,并证明了在通常情况下对于任意多变量连续函数,NFI-AMS的学习总是以任意精度收敛的.该系统较之传统的CMAC类型的AMS,具有所需供学习的样本点较少,学习精度高和存储单元空间较小的优点,且比多层BP网络具有学习算法简单和收敛速度快的特点,可望在智能控制与信号处理,模式识别中得到应用.