基于回声状态网络和主元分析的混沌时间序列预测模型

回声状态网络(Echo State Network,ESN)能够极好地逼近非线性系统,在非线性混沌时间序列的预测中取得了良好的效果.但是,由于ESN的训练和预测过程是1个高维权值矩阵的运算过程,往往不能获得更好的预测速度.文章提出了一种基于主元分析与回声状态网络相融合的非线性混沌时间序列预测模型.该模型通过主元分析降低输入向量的维数,以减小ESN输入权值矩阵的规模,降低运算的复杂度,从而达到减小ESN训练时间、提高预测速度的目的.利用仿真数据对ESN和文中模型进行了精度和预测时间对比实验,表明该模型是一种有效模型.     

可重复使用运载器气动舵面损伤的故障检测与诊断

可重复使用运载器再入飞行过程中,气动舵面的损伤故障会影响其飞行控制系统的性能,威胁运载器的安全。文章结合运载器气动布局的特点,利用运载器发生舵面损伤故障时气动系数变化的规律:正常气动系数向量与故障气动系数向量之差与正常气动系数向量成比例,而比例系数就是舵面损伤失效率。依据舵面失效率对该舵面的角加速度进行估算,并与实际的角加速度比较形成残差,实现对舵面损伤的故障检测与诊断。仿真结果表明,该方法是一种有效检测与诊断的方法,能满足工程应用要求。     

飞行器FPGA检测点优化设置方法

,针对诱发宇宙空间环境下航空航天飞行器工作异常和故障的FPGA单粒子效应,分析了FPGA电路的特点,从空间和时间维度上,提出基于“运算单元 存储器/触发器”进行FPGA电路层次模块的划分;结合节点所在位置的重要性、节点与其它节点的关联程度以及节点本身的单粒子软错误翻转概率,提出了重要度分析模型,从而建立基于重要度排序的对测试点设置优化方法。测试实验表明,该方法是一种可行的检测点优化设置方法。