面向航天型号软件缺陷预测的属性选择方法

针对当前航天型号软件模块故障预测中度量属性过多而影响分类模型效率、准确率和数据收集困难的问题,以NASA公布的MDP数据集为基础,设计了基于Logistic回归模型的属性选择算法;通过该算法在6个数据集上的应用选择了对航天型号软件质量影响较大的4个属性,并将其在12个软件中进行验证,说明了该算法的有效性,选择的4个度量属性可为当前航天型号软件的度量提供参考和依据。     

基于虚拟仪器的惯性敏感器自动测试系统

介绍了基于虚拟仪器技术的惯性敏感器自动测试系统的实现方法.系统可用于对多种敏感器进行测试,具有X-Y和V-T两种测试方式.系统除了能完成测试任务之外,还添加了仿真模块,可根据用户设定的敏感器指标模拟输出测试曲线,用于与实际测试情况进行比较.在数据处理与分析中建立了各种敏感器参数的解算模型,用户可根据实际测试需要进行动态选取.对测试需求进行了分析,提出了系统的总体方案与组成结构,对硬件配置作了说明,介绍了软件的模块化设计方案,列出了软件运行流程图,最后给出了测试实例.应用证明,该系统在功能、操作性、通用性及可靠性等方面达到了预期效果.     

基于改进自适应加权的多传感器融合监测

针对加注系统多传感器测量数据融合,为满足融合的可靠性与准确性需求,提出了一种改进的自适应加权融合算法。加权融合算法的关键是如何准确判定测量数据权重值,在总结分析当前权重值判定方法优缺点的基础上,将证据理论中的修正证据距离引入测量数据间距离计算,生成融合权重值,完成传感器数据融合。通过一般算例与加注系统典型算例,对所提融合算法进行验证,结果表明算法融合效果较好、鲁棒性强,具有一定的理论意义和较好的工程实用价值。     

加注系统信息融合式健康监测方案研究

为解决当前发射场加注系统维修维护与状态监测所面临的问题,提出针对加注系统开展基于信息融合的健康监测;分析针对加注系统开展健康监测研究以及将信息融合技术引入系统健康监测的意义,总结加注系统健康监测现状,得出开展加注系统健康监测所面临的困难与启示;针对加注系统典型设备,设计融合式健康监测方案,包括健康监测信息特点分析、典型设备健康监测信息分析以及典型设备健康监测方案设计;为后续进一步深入开展加注系统融合式健康监测研究奠定了良好基础。     

运载火箭类周期测试数据特征预测方法研究

鉴于我国运载火箭测试数据判读工作现状,研究测试数据的预测算法,有助于预判故障趋势,提前采取措施。分析了运载火箭测试数据,提出测试数据依时间序列的分类方法;针对类周期型数据,设计了相应的特征提取算法,得出数据特征时间序列;应用滚动自回归预测算法,并将历史实际值与预测值的加权值作为当前时刻的建模数据,实现了类周期数据特征的趋势预测。该方法有助于改进运载火箭类周期型数据判读方法。     

基于运动学方法的小卫星串行编队模型误差研究

针对小卫星串行编队构型设计,采用运动学方法建立串行编队相对运动数学模型。考虑偏心率等于零与不等于零时的两种情形,分别对所构建的运动学模型进行分析。采用MATLAB对相对运动学模型中包含的参考卫星半长轴与初始平近点角差进行仿真,将运动学模型计算结果与精确模型计算结果进行对比分析,得出初始平近点角差对编队模型误差的影响相对更大,为后续小卫星编队综合构形设计奠定基础。