基于Mamdani模糊推理的核动力装置技术状态评估

分析了传统二元逻辑应用于核动力装置部分失效技术状态评估时的局限性,概述了Mamdani模糊推理的基本技术;结合状态评估实例,提出了基于Mamdani模糊推理的核动力装置系统级的技术状态评估方法,为系统部分失效的技术状态评估提供了一种新的技术途径。     

基于状态的维修及其决策模型研究

在分析各种传统维修方式优缺点的基础上,研究了基于状态的维修(Condition Based Maintenance,CBM)中现行的几个技术标准IEEE Std 1451、IEEE Std 1232和ISO 13373-1,并着重分析了CBM开放系统体系结构OSA-CBM的7大组成模块,指出了未来CBM的发展应集中于OSA-CBM的第5、6模块的研究。针对这2个模块,给出了一种利用建立数学模型进行装备健康预测及维修决策支持的可行的研究思路和结构框架。     

采用可达域覆盖的多航天器协同护卫策略

针对高轨高价值目标护卫问题,提出了一种基于可达域覆盖的多航天器协同护卫策略。从相对运动视角对协同护卫任务进行了描述,并将威胁源多脉冲机动可达域问题建模为凸优化问题求解。在滚动优化框架下,根据动态更新的威胁源终端可达域,设计协同护卫平面及护卫点,以此为终端位置约束构建多航天器协同轨迹规划模型,生成相应护卫轨迹。仿真结果表明,所提出的可达域分析方法能够快速计算威胁源终端可达域,协同护卫策略在多个场景下均能有效阻止威胁源,且护卫成功率随护卫航天器机动能力增强而增大。     

航天器交会型轨道追逃策略的滚动时域优化

针对航天器自由时域交会型轨道追逃过程中的测量误差等不确定性对交会的影响,提出了一种基于滚动时域优化的高时效策略求解方法。根据微分对策理论推导得到博弈鞍点控制策略,并对问题进行等价转换;通过预先离线求解开环鞍点策略,将问题初始状态和相应的解作为样本以进行神经网络训练,训练后的网络结构可以快速得到相应问题的近似解。为了更好地应对博弈环境中的测量噪声,基于神经网络结构设计了滚动时域求解框架,并通过周期性的滚动求解最终实现对逃逸航天器的交会。数值仿真表明,所提出的策略可以有效应对测量噪声不确定性,且相比于文献中已有的策略,计算耗时可从分钟级降至秒级。     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。