卫星任务调度问题的约束规划模型

卫星任务规划与调度是空间资源管理的重要内容之一,其目的在于为卫星系统的任务计划编制提供科学合理的决策手段与依据。卫星任务调度问题的重要特点在于,调度任务存在可见时间窗口约束。只有在可见时间窗口内,调度任务才可能执行并完成。在进行合理假设的基础上,建立卫星任务调度问题的约束规划模型。对基本禁忌搜索算法进行改进,提出了模型求解的变邻域禁忌搜索算法。应用结果表明,约束规划模型的建立与求解是合理的。     

大延时网络中的主动队列管理机制

研究了网络延时对路由器主动队列管理机制的影响,分析了几种典型主动队列管理算法在大延时网络中的性能。在介绍了基于内模补偿的DC-AQM算法的优缺点之后,根据PID控制器延时补偿的Ziegler-Nichols设定方法,提出了ZNDC(Ziegler-Nichols delay compensation)AQM算法并进行了仿真实验验证,实验结果表明算法达到了预期的目标。     

非局部弹性杆固有频率的Ritz法求解

采用Ritz法求解了非局部弹性直杆的固有频率问题。非局部弹性理论与经典弹性理论相对应,区别在于非局部理论中,一点的应力与该点以及其周围区域的应变都有关,并采用核函数来表征这种相关性。基于Eringen提出的非局部弹性模型,针对三种给定核函数,用Ritz法进行了直杆的动力学分析。并针对两种边界条件给出直杆的固有频率,与其它方法比较,该方法具有可以针对多种核函数求解,精度可控,易于编程等优点。     

液体火箭发动机无失效条件下的可靠性分析方法

针对液体火箭发动机热试车过程中可能出现的无失效情况,在对寿命分布进行分析的基础上,利用配分布曲线-最小二乘法,采用经典估计和Bayes估计作为先验分布,对液体火箭发动机无失效条件下的可靠性进行了评估,并对评估结果进行了分析。计算结果表明,采用最小二乘法结合Bayes估计,可以较好评估液体火箭发动机在无失效条件下的可靠性。     

具有拟周期外力的非自治发展方程的时滞惯性流形与近似惯性流形

研究了一类具有拟周期外力的非自治发展方程,通过延伸相平面将非自治系统转化为自治系统,再证明相应的自治系统的时滞惯性流形的存在性,并在时滞惯性流形的基础上构造了非自治发展方程的近似惯性流形。     

气囊辅助RTM制备复合材料承力筒内腔尺寸控制技术

根据气囊充压压力与复合材料承力筒内径之间的变化关系,给出了成型复合材料承力筒内表面的气囊尺寸计算方程。分析了气囊充压压力增大对承力筒的壁厚、纤维含量和弯曲性能的影响。采用气囊辅助RTM工艺整体制备出复合材料承力筒。试验结果表明,气囊充压压力使复合材料承力筒的壁厚减薄,纤维体积含量增加,弯曲性能提高;选择适当的气囊充压压力可以制备出满足设计要求的复合材料承力筒。     

参数化滤波器逼近问题的全局最优算法

基于Lipschitz下界估值和分枝定界技术,给出了一维参数化小波滤波器逼近问题的全局最优算法。由于充分利用了滤波器逼近问题的特点,本方法将原来的Lipschitz算法的线性收敛速率提高为二次收敛速率。     

高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。