基于访问偏好的卫星遥测时序数据存储方法

随着航天事业的发展,尤其伴随巨星星座的构建,在轨卫星数量越来越多,如何管理使用海量的遥测数据成为航天测控系统亟需解决的问题。针对测控系统当前时序数据全参数存储策略带来的时序数据量较大的问题,引入业务访问遥测数据记录中的遥测参数标识、数据使用时间和访问记录时间等参数,构建参数存储强度函数,提出基于深度线性规划霍克斯模型的时序存储算法,对时序数据存储策略进行改进,同时设计实验对比全参数时序数据存储策略和基于深度时序算法的存储策略,验证该方法在保证时序数据访问命中率基础上,存储量相较全参数存储策略降低至2%,达到与基于深度时序算法的存储策略相近的水平,同时解决基于深度时序算法的存储策略收敛性不足的问题,该方法有效解决了单服务器时序数据存储量大的问题。     

智能反射面辅助的无线网络加权和速率优化设计

针对智能反射面(intelligent reflecting surface, IRS)辅助的无线网络传输设计的目标是通过联合设计基站处的发送波束形成向量和IRS的反射系数,在满足基站发射功率和IRS单位模约束的条件下,使多个地面用户的加权和速率最大化。为了求解非凸的目标函数,提出一种交替优化方法,其中采用黎曼流形梯度(Riemannian manifold gradient, RMG)方法来优化反射系数,使用二分搜索法优化发送波束形成向量。此外,为了降低RMG方法的复杂度,设计了一种智能元素块坐标下降方法。仿真结果验证了所提算法的有效性,并且表明通过优化设计反射系数,IRS可显著提高无线网络的频谱效率。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

某通用无人机最优航迹的获取

在高技术条件下,如何发挥好无人机这一空中侦察平台的最大效能,对炮兵进行实时侦察、校射有着重要意义。本文正是从这一角度出发,通过计算机仿真、模拟某通用无人机飞行过程,寻找不同条件下的最优航线,达到速度快、航程远、航时长的目的,供无人机分队平时训练或实际作战参考作用。     

军费支出结构模型及策略选择

军费支出结构优化模型,可以为实现既定国防安全产出提供军费支出的调整策略;军费支出结构控制模型,可以分析军费支出结构变动状况,及查找其与最优状态存在差距的原因;军费支出结构战斗力模型,可以用于判定军费支出结构效益高低。     

优化边防民兵力量布局

加强边防民兵建设,应结合边境地区线长面广的特点,本着"加强一线、建好纵深、协调发展"的原则,从地(市)、旗(县)、乡镇不同层次区域的特点出发,立足各地区的自然环境、经济社会发展、后备兵员素质等基本条件,针对各地抢险救灾、维稳反恐、边境处突等多样化任务的具体需求,科学优化边防民兵的力量布局.一是着眼遂行使命任务需要,优化力量布局.应对多种安全威胁、完成多样化军事任务,是党和人民赋予的新世纪新阶段军队的历史使命.     

高超声速伸缩翼变形飞行器轨迹多目标优化

针对高超声速条件下变形技术的应用模式，对具有伸缩翼的组合式飞行器滑翔弹道进行了多目标优化研究。介绍了伸缩翼的变形模式，给出了不同变形状态下的气动特性；建立了三自由度滑翔轨迹动力学模型和伸缩翼前缘热流计算模型；采用MOEA/D多目标优化算法，以变形条件和飞行攻角为设计变量、以最大射程和最小翼前缘总吸热量为目标函数，进行了多目标优化计算。优化结果表明，MOEA/D计算得到了相对均匀分布的Pareto最优解集，将伸缩翼外形与无变形外形相比，飞行器滑翔段射程得到了显著提高，同时伸缩翼前缘总吸热量有明显的降低。     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。     

气控软体驱动器结构分析与优化设计

气控软体驱动器的结构特性对其运动和力学特性影响显著,目前气控软体驱动器支反力和倾角性能亟须提升.基于ABAQUS提供的脚本接口,采用Python语言开发脚本建立气控软体驱动器参数化仿真模型,将尺寸因子作为优化变量,联立Isight和ABAQUS,采用单因子试验方法确定倾角和支反力两个目标量的高敏感性影响因子.运用归一化...     

带减振器机抖激光陀螺惯性测量单元标定方法研究

由于减振器会产生形变,使得带减振器的机抖激光陀螺惯性测量单元(IMU)不能使用由精密转台提供姿态基准的标定方法进行标定.提出了一种带减振器的机抖激光陀螺IMU标定的新方法,该方法先将IMU固联在精密转台上,不启动陀螺,依靠转台提供姿态参考标定出加表各误差参数;在此基础上装上减振器,设计了IMU陀螺误差参数标定路径,根据...