摘要:Artificial intelligence(AI)has progressed into a wide-ranging science,covering theories,technologies and applications that are designated to mimic,display and extend“human”intelligence like learning,deducting,thinking and planning. Since its germination 60 years ago,AI has experienced twists and turns in its development,and has markedly strengthened in recent years. The intelligence of“machines”has leapt into a leading force that drives a new momentum of technological revolution and industrial transformation around the world. AI is shaping the future of humanity across nearly every industry.
摘要:Transactions of Nanjing University of Aeronautics & Astronautics (TNUAA) is a bimonthly journal facing international academic community.Emphasizing prompt and effective dissemination of key data and new scientific insights,TNUAA publishes experimental and theoretical papers bearing on applications to all branches of aeronautics,astronautics and civil aviation.
摘要:研究了分布式控制系统下辅助动力装置(Auxiliary power unit,APU)的气路部件和传感器的故障诊断与隔离(Fault diagnosis and isolation,FDI),并在分布式控制系统中将非线性动态模型和分布式状态估计器结合起来进行了研究。分布式扩展卡尔曼滤波器(Distributed extended Kalman filter,DEKF)起到状态估计器的作用,用于估计气路部件的流动能力。DEKF拥有一个主滤波器和5组与APU的5个传感器一一对应的子滤波器,每个子滤波器产生局部状态的流动能力估计。主滤波器收集并融合局部状态信息,然后将状态估计反馈给子滤波器。在APU分布式控制结构的DEKF算法中引入了丢包模型。设计了具有残差加权平方和(Weight sum of squared residuals,WSSR)性能指标的FDI策略,并通过一次移除一个子滤波器来识别APU传感器故障。当前子滤波器的性能指标WSSR不同于剩余的子滤波器组合时,说明发生了传感器故障,并且解析余度的估计值会取代故障传感器的测量值。值得注意的是,该方法不仅适用于传感器故障,而且可以解决APU气路部件和传感器之间的混合故障问题。利用APU测试数据进行了系统性的仿真和比较,验证了该方法的优越性。
摘要:碳黑颗粒是燃烧不足的产物,通常以聚集体的形式存在。碳黑分形聚集体的多次散射特性已被证明在研究烟灰辐射特性方面起着重要作用,但在预测燃烧火焰中的辐射传热时很少考虑这一点。本文基于用于预测湍流扩散火焰中温度场和碳黑聚集体的灰体分形聚集体加权和(Weighted sum of gray soot fractal aggregate,WSGSA)模型,分别计算了模型不考虑辐射、Fluent软件默认辐射模型和WSGSA模型条件下的火焰温度分布和烟尘体积分数分布。结果表明,不考虑辐射会较大程度地高估火焰温度,火焰中心线温度的最大相对偏差约为64.5%。Fluent软件中的默认辐射模型将提高精度,但火焰温度仍然偏高,火焰中心线温度的最大相对偏差约为42.1%。然而,WSGSA模型获得的结果更加精确,火焰中心线温度的最大相对偏差不超过15.3%。在研究沿不同火焰高度的温度分布时也可以得到类似的结论。此外,应用WSGSA模型还可以更准确地预测烟尘体积分数。不考虑辐射以及使用Fluent软件中默认的辐射模型都会导致碳黑体积分数偏低。所有结果显示,WSGSA模型可用于有效预测CH/空气湍流扩散火焰中的温度和碳黑聚集体分布。
摘要:针对航天器非合作交会中的相对导航问题,提出了一种基于非线性动力学法的仅测角导航的新架构。该方法没有通过轨道或姿态机动来解决仅测角导航可观性较差的问题,而是通过捕捉系统在相对运动演变中的非线性来提高仅测角导航系统的可观性。首先,介绍了3种相对动力学模型及其对应的视线(Line-of-sight,LoS)测量方程,包括直线状态相对动力学、曲线状态相对动力学和相对轨道根数(Relative orbital elements,ROE)状态相对动力学模型。然后,引入了基于Gramian矩阵的可观性分析理论用于确定哪个相对动力学模型可以最大化仅测角导航的可观性。接着,介绍了一种自适应扩展Kalman滤波方案,用以解决非线性动力学法中仅测角导航滤波器对测量噪声非常敏感的问题。最后,通过数值仿真的手段对提出的仅测角导航滤波架构进行了测试和验证,证明了通过改进相对动力学和LoS测量模型,无机动的仅测角导航是完全可行的。
摘要:Transactions of Nanjing University of Aeronautics&Astronautics(TNUAA)is a bimonthly journal facing intermational academic community.Emphasizing prompt and efective disscmination of key data and new scicntific insights,TNUAA publishes experimental and theoretical papers bearing on applications to all branches of aeronau-tics,astronautics and civil aviation.
摘要:采用大涡模拟(Large eddy simulation,LES)方法,结合整体动网格技术,模拟飞行器水上迫降过程中,俯仰角对机身后部出现的空化和通风现象的影响。采用流体体积法(Volume of fluid,VOF)捕捉两相交界面。对法向力、力矩、压力分布情况和云图进行分析发现,俯仰角对后机身段所受总载荷、空化现象出现的时间以及空化向通风阶段的转变存在重要影响,进而影响机体所受载荷的纵向分布,从而对飞机动力学产生影响。
摘要:大数据时代面临着一个不可避免的挑战性问题“信息过载”。为了缓解这一问题,必须使用有效的自动文本总结技术,从海量的文本中快速有效地获取关键信息。本文提出了一种结合深度学习和图排序算法的提取式文本总结(Extractive text summarization based on deep learning and graph ranking algorithms,ETSDG)的混合方法。在这种方法中,一个预先训练好的深度学习模型被设计用来产生有用的句子嵌入。此外,考虑到原始文档中句子之间的关联,在ETSDG中采用了传统的LexRank算法并进行了微调。为了提高提取式文本总结方法的性能,进一步将传统的LexRank算法与深度学习相结合。在数据集DUC2004上的测试结果表明,与某些基准方法相比,ETSDG在ROUGE指标上有更好的表现。