基于人工神经网络的反射器型面精度预测

基于人工神经网络的预测方法,利用数量适当的有限元计算结果,建立人工神经网络模型,对反射器型面进行精度预测分析,得到在最小型面精度结果下的结构设计参数。计算结果显示训练好的神经网络模型能够较精确地预测格栅反射器的型面精度,节省计算时间,并且以型面精度最小为准则进行参数分析,能够指导反射器的结构设计。     

基于图论的潜通路分块分析方法

潜通路分析是一种重要的电路可靠性分析方法.随着电路系统规模的扩大,整体进行潜通路分析不仅使分析时间增加,而且分析过程会占据很大的存储空间.对大型复杂电路网络进行潜通路分析时,运用基于Laplace矩阵的谱平分算法对电路系统分块处理,将其划分成规模较小的若干子网络模块.根据子网络模块内部元件的组合状态,用深度优先搜索判断通路,将每个子网络模块等效成一个多端的特殊器件.对各个子网络模块分别进行潜通路分析,对等效后简化的电路系统整体分析,以达到对整个电路系统潜通路分析的目的.潜通路分块分析的方法简化了电路网络分析模型,有利于潜通路分析自动化智能化水平的提高.      

双站跟踪模式下“嫦娥4号”中继星定轨仿真分析

位于地月平动点的探测器因为较差的观测几何,需要地基USB/UXB与天文VLBI长时间的联合跟踪数据获取稳定精确的轨道。提出了利用中国深空网双站共视跟踪平动点探测器,获取双程、三程测距及VLBI测量数据,解算探测器精确轨道的模式。以"鹊桥"卫星为分析对象,首先评估中国深空网对"鹊桥"的跟踪能力。然后分析不同观测组合模式下的定轨计算精度。结果表明:双站共视约束下,深空站每天对"鹊桥"跟踪弧长大于5 h;使用长于6 h的双站跟踪数据进行定轨,系统差的解算更有利于轨道精度提升;跟踪时长超过2天时,必须在轨道解算的同时估计光压系数,并有望实现优于百米的轨道精度。     

基于光纤双环网的高精度时频同步技术研究

本文介绍了一种基于光纤双环网的时频同步技术设计方法,针对时频设备协同使用时如何获得高精度同步指标这一问题提出了一种设计思路。以系统时间源使用北斗/GPS/GLONASS,本系统同步精度优于5E-13,频率稳定度优于5E-13@1d;以UTC(BIRMM)输出的TOD+1PPS做系统时间源,本系统同步精度优于4E-13,频率稳定度优于6E-14@1d。本方案提出的方法原理简单,系统可根据使用情况进行裁剪,相比卫星双向等手段成本低廉,适合在时频同步领域推广。     

卫星姿态控制系统执行器微小故障检测方法

针对卫星姿态控制系统执行器微小故障检测问题,提出一种基于神经网络干扰观测器的微小故障检测方法。该方法利用卫星姿态控制系统内的冗余关系,分别构建陀螺干扰观测器和干扰力矩观测器,对系统内的测量误差、扰动等进行估计,并对故障检测观测器进行扰动补偿,提高对执行器微小故障的检测能力。仿真结果表明,与基于解析模型的方法相比,该方法能够较精确地对解析模型的误差进行补偿,明显降低了检测阈值,实现了对扰动掩盖下的微小执行器故障检测。      

遥感图像飞机目标高效搜检深度学习优化算法

为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络（DNN）的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。      

基于UDP的端对端通讯的原理及实现

通过探索网络地址转换设备在进行UDP (User Datagram Protocol) 端口映射所存在的临时时间窗口,论述了使用UDP穿透网络地址转换设备的原理.引入检测及握手服务器及其所实现的数据包反射服务,来检测动态映射的端口信息以及网络地址转换设备在进行端口映射的特性.探讨了不同类型的网络地址转换设备对这种实现的影响,给出了检测过程以及建立端对端通讯过程的具体流程.这种实现可被广泛应用在IP语音、实时视频、文件共享以及分布式计算等应用中.     

大飞行包线控制律的神经网络调参设计

对于具有大飞行包线的现代电传飞行控制系统,给出了一种3层BP(Back Propagation)神经网络代替传统的根据动压、高度或马赫数单一调参的控制律,解决了大飞行包线内控制参数复杂、单一调参无规律性、在全飞行包线上特别是在平衡点之间的飞行状态的稳定性无法保证等问题.通过离线训练,得出了一组隐层只有6个节点的网络结构参数,输出为各平衡点设计的最优鲁棒反馈增益.利用该网络实现了大飞行包线的根据高度和马赫数的双参数增益调参.仿真表明,利用该神经网络可以保证在所有平衡点上原设计的最优反馈增益不变,响应过程不变,同时可以细化平衡点之间的控制参数,在较大建模误差(约50％)和平衡点间也可以具有较好的控制效果.     

动态构造网管中被管对象的可视化扩展

随着互联网规模的不断扩大和网络应用的日益丰富,传统网管已经难以适应对大型、异构、动态变化的网络和种类繁多的网络应用的管理需要.动态构造的网络管理是一种新型的网络管理模式,被管对象的扩展是动态构造网管中的重要组成部分.提出了被管对象的可视化扩展方法.通过在管理人机交互界面上构造一棵MOS(被管对象集)树,并提供一系列的编辑工具,供设备厂商和应用开发商可视化定义其设备和应用所实现的MOS模块.这些模块以具有正确语法格式的MOS文件的形式提交给网管系统,由动态MOS编译将其加载到系统中,系统通过对其的访问实现被管对象和管理功能的关联及扩展.     

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。