2014—2016年FY-3C与COSMIC掩星电离层特征参数的比较

利用由FY-3C和COSMIC两个全球导航卫星系统无线电掩星任务提供的2014—2016共3年的电离层电子密度廓线,基于时间间隔7.5 min、经纬度间隔2.5°的时空匹配窗口,对两个掩星任务的电离层峰值密度（NmF2）和峰值高度（hmF2）进行了比较。结果表明：由两个任务得到的特征参数相关性良好,各年之间相关性水平基本稳定,其中各年NmF2和hmF2相关系数的平均值分别为0.87和0.75;FY-3C的特征参数相对于COSMIC的偏差很小,各年NmF2的绝对偏差均值和相对偏差均值分别不超过±0.25×10⁵ el/cm³和±15.0%,hmF2的绝对偏差均值和相对偏差均值分别不超过±7.00 km和±1.80%。此外,由两个任务得到的特征参数在空间上均表现出赤道及低纬地区数值较高且呈“条带状”分布的特点,且两个任务都监测到了2016年相对于2014年和2015年NmF2和 hmF2均存在显著下降的现象     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

Cρ 准则下选择最优子集的并行算法

C_p准则是目前颇受重视的一种变量选择准则。本文针对大型线性回归模型,推导了从所有可能子集中用C_p准则选择最优子集的(乘除法) 运算次数,提出了C_p准则下变量选择的并行算法。给出了在YH-1和YH-2向量巨型计算机上运行该算法的模拟结果且获得了15倍左右的向量加速比s/v,体现了该算法的优越性。     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。     

地球静止轨道高能电子通量在线预测模型

利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。     

面向装备健康管理的可测性指标研究

可测性指标是开展可测性设计、验证和评估的依据.针对传统可测性指标主要用于故障可检测性和故障可隔离性水平评价,不能全面反映面向装备健康管理可测性水平的问题,在定性分析装备健康管理对可测性的本质需求基础上,从全域和瞬态角度提出了五个可测性指标以定量描述面向装备健康管理的可测性水平;并基于故障模式状态矢量给出了可测性指标的分析计算流程.最后以某装备柴油机的机体子系统为案例详细说明了可测性指标的计算过程,应用结果表明所提指标具有一定的可行性和合理性,可以有效指导面向装备健康管理的可测性优化设计.     

基于结构加权的海面编队预定目标选择方法

海面目标运动和编队阵型的约束特性,使得通过对装订阵型和末制导探测阵型进行点集匹配来选择预定目标成为一种有效途径。但当编队目标释放干扰时,会引起阵型结构发生局部变化,导致目标选择性能恶化。本文基于反舰导弹目标选择需求,分析了传感器导航和探测误差、装订信息误差、编队目标运动和释放干扰等因素所引起的位置点集变形,通过利用阵型中未污染的结构信息,提出了基于几何散列法和结构加权平均Hausdorff距离的编队预定目标选择方法。理论分析和实验结果表明,该方法不受传感器导航误差和编队目标整体运动的影响,在编队存在冲淡干扰时能有效提高目标选择能力。     

混沌振子在转子系统早期碰摩故障检测中的应用

根据Duffing方程解的特性设计出混沌振子 ,利用混沌振子对噪声的免疫力和对小信号的敏感性对微弱信号进行检测 ,并将此方法应用于转子系统早期碰摩故障检测中 ,结果表明此方法简单、可行。