基于随机网络编码的无线报文重传最优策略

网络编码技术为无线报文重传问题研究提供了新思路.分析并证明了完全无线报文重传问题最优策略所需重传报文数量等于节点请求报文数量的最大值;基于随机网络编码技术提出了最优重传策略RNCOPT(Random Network Coding based OPTimal Scheme),其编码系数从某选定有限域中随机选取(0除外);利用网络编码矩阵重新生成机制以保证100%解码成功率;描述了RNCOPT组合报文结构及发送节点操作过程.仿真表明:当接收节点数量为30而报文总数为30时,RNCOPT相对于传统非网络编码方案节省重传报文数量可达32%,而此时现有某典型策略CliqueNC却无明显效果.     

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

空间相机热平衡试验温度预测方法改进及应用

为实现对航天器热平衡试验平衡温度的预测,建立了热平衡温度预测的方程式,对影响预测结果的各参数进行了分析。首先,由节点网络法推导出平衡温度表达式,介绍了其基于非线性最小二乘法的求解过程,建立了平衡温度的迭代方程;其次,结合大量的试验数据,对影响迭代结果的3个因素进行了统计分析,并最终确定了各因素的合理取值范围;最后,利用温度预测程序对某空间相机热平衡试验中低温工况的平衡温度进行了预测,并与试验结束后的结果进行了对比。结果表明,预测温度与试验数据的误差为±1℃（在3%之内）,满足精度要求,对热平衡温度准确的预测有效的缩短了试验时间,节省试验费用。     

Optimization of communication network topology for navigation sharing among distributed satellites

Navigation sharing among distributed satellites is quite important for coordinated motion and collision avoidance. This paper proposes optimization methods of the communication network topology to achieve navigation sharing. The whole communication network constructing by inter-satellite links are considered as a topology graph. The aim of this paper is to find the communication network topology with minimum communication connections’ number (MCCN) in different conditions. It has found that the communication capacity and the number of channels are two key parameters affecting the results. The model of MCCN topology for navigation sharing is established and corresponding method is designed. Two main scenarios, viz., homogeneous case and heterogeneous case, are considered. For the homogeneous case where each member has the same communication capacity, it designs a construction method (Algorithm 1) to find the MCCN topology. For the heterogeneous case, it introduces a modified genetic algorithm (Algorithm 2) to find the MCCN topology. When considering the fact that the number of channels is limited, the Algorithm 2 is further modified by adding a penalized term in the fitness function. The effectiveness of these algorithms is all proved in theoretical. Three examples are further tested to illustrate the methods developed in this paper.     

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

基于粗神经网络的民用飞机故障诊断

针对传统神经网络故障诊断过程中网络训练时间长、结构复杂以及仅能进行单值输入的缺陷,设计了一种基于粗神经网络的民用飞机故障诊断系统.将粗糙集理论应用在神经网络的前端对民用飞机故障样本数据进行约简处理,以此去除冗余属性的干扰,克服了无关样本数据对网络学习性能的影响,简化了网络结构;利用粗神经元代替传统神经元,提高了网络性能,扩展了网络的应用范围.通过对空中客车A320飞机的故障诊断试验验证了该方法的有效性.     

自组织网络中的分布式能量感知拓扑控制算法

为了有效利用无线自组织网络的能量,将最小连通支配集和计算几何学相结合,提出了一种自组织网络中的分布式能量感知拓扑控制算法.首先选举能量寿命较长的节点构建能量感知最小连通支配集,保证支配节点有充足的能量完成路由转发任务.之后在能量感知最小连通支配集上面构建Delaunay三角剖分,降低节点数据发送能耗,保证链路的能量有效性和网络拓扑的平面性.在原有连通支配集失效的情况下,选举能量寿命较长的替代节点进行拓扑重构,实现动态网络能量均衡.仿真结果表明,本算法在获得小的支配集的同时延长了网络寿命.      

基于GRNN网络和遗传算法的旋翼动平衡调整

针对传统旋翼调整方法没有考虑调整参数与振动信号之间的非线性关系,提出一种结合广义回归神经网络GRNN(General Regression Neural Network)和遗传算法的旋翼调整方法,采用GRNN建立旋翼动平衡调整模型,以桨叶调整参数作为GRNN输入,以旋翼转轴3个方向的加速度测量值和机身3个方向加速度测量值作为网络输出,建立调整参数与直升机振动信号之间的模型.以直升机振动作为目标函数,采用改进的遗传算法对桨叶调整参数进行寻优,获得直升机振动最小时的桨叶的调整量.飞行实验表明,通过1到2次飞行调整,可使3个方向机身振动(旋翼的一阶振动)为最小,完成旋翼的动平衡调整.