基于长短期神经网络的遥测参数趋势预测

时间序列分析的主要目的是根据已有的历史数据对未来进行预测。传统的时间序列预测主要依靠基于模型的方法，比如季节性差分整合移动平均自回归模型（SARIMA）和指数平滑法（EXP）等。此类方法的参数选择严重依赖于专家经验，适用性并不广泛。针对周期性遥测参数，采用长短期记忆网络（LSTM），学习长时序依赖关系并给出多步预测值。试验通过将预测问题转化为监督学习问题建立半实时仿真环境，并重点研究了观测窗口、预测窗口、网络结构等对性能指标的影响。对比LSTM、SARIMA、EXP，结果表明LSTM具备优异的线性拟合能力和良好的非线性关系映射能力。LSTM预测方法摆脱了传统方法受制于专家经验和模型精度低等问题，为开展实时遥测参数预测奠定了基础。     

航天箭载无线收发机遥测参数设计

箭载无线收发系统由于涉及的产品和环节较多,且天线属于结构件又不便于状态监测,导致故障定位的难度通常较大;若能在进行箭载无线收发机设计时就设置全面、合理的遥测参数,作为划清与外部设备接口界面的依据,则可为系统故障定位提供更多有力支撑;基于对历次飞行试验中因遥测参数设置不合理造成故障难以定位案例的研究,从利于故障定位的角度出发提出了在接收机中设置"灵敏度遥测"、"锁定指示遥测"参数和在发射机中设置"功率遥测"参数的建议;对于能够设置更多遥测参数的无线收发机,可以进一步考虑设置"电压监测"参数、"本振锁定"和"信噪比SNR"等参数;结合具体案例,分析了遥测参数设置不合理对故障定位造成的不良影响以及遥测参数改进设计的具体方法,供后续开展设计时参考。     

热力供热运行参数遥测系统

本文介绍唐山市热力总公司新区供热公司２．５ｋｍ运行参数遥测系统的工作原理、硬件结构、软件设计及系统性能等。     

基于时间序列的航天器遥测数据预测算法

在航天器遥测数据预测领域,基于时间序列的预测方法有着广阔的应用前景;时间序列有一明显的特性就是记忆性,记忆性是指时间数列中的任一观测值的表现皆受到过去观测值影响;它的基本思想是根据观测数据的特点为数据建立尽可能合理的统计模型,利用模型的统计特性解释数据的统计规律,以期达到预报的目的;提出了采用模式识别和参数估计的方法,结合航天器遥测动态数据,建立关于航天器遥测数据的时序预测模型,对航天器遥测数据趋势进行检测和预报。     

2.5公里运行参数遥测系统设计

采用研华工控机作下位机,80386/DX兼容机作上位机,配以各种外部设备接口、现场仪表以及专用电缆构成2.5公里运行参数遥测监控系统。详细阐述了该系统的工作原理、软件与硬件配置及其功能等。     

基于Matcom动态链接库的快速数值计算方法

目前利用Matcom动态链接库进行数值计算时,将自定义函数作为函数输入参数存在诸多问题.针对这一现状,研究了Matcom调用自定义函数的内部机理,重新设计了函数调用的流程,圆满解决了Matcom与VC混合编程中自定义函数作为输入参数的调用问题.算例结果表明,该方法简单高效,能够快速地解决数学计算问题,对于脱离Matlab环境的数值计算问题提供了一种快速高效的解决方案.     

参数化模型预测空间实现及递推预测算法

本文给出线性时不变离散系统的参数化模型的预测空间实现的表达式，利用该表达式将传统的参数化模型预测算法化为状态空间递推形式，可大大减小参数化模型预测的在线计算量。为工程上实现自适应参数化模型预测控制带来很大方便。     

基于动态加权集成学习的遥测数据预测方法

飞行任务中的遥测数据是飞行器中各功能子系统监测模块顺序产生的多维时间序列,其反应各子系统功能是否正常,对遥测数据的精准预测是研判飞行器运行状态的重要依据;针对已有时间序列预测算法会随时间劣化的缺点,提出基于集成学习原理的动态加权神经网络集成算法;该方法通过神经网络强数据拟合能力,集成学习算法具有的泛化特性和动态加权算法适应数据的漂移变化特性,提升算法的整体预测精度;选择多层感知机神经网络作为基学习器,给出神经网络基学习器结构设计方法和优化方法,以及动态加权算法的具体过程,将其与静态加权算法进行比较实验,该算法对预测精度提高效果显著,一定程度抑制数据的漂移,结果表明采用动态加权集成学习适合对遥测数据的预测.     

基于 Matcom 的 VC与 Matlab 混合编程的实现

Matlab 具有强大的数据处理和图形显示功能,但 Matlab 程序的执行效率非常低,而且其平台上开发的程序不能脱离本身的运行环境;VC++具有强大的用户界面开发功能,程序执行效率高,但程序编写繁琐,结合两者的优势可以快速开发出功能强大的应用系统.针对如何将两者结合这一问题,探讨了基于 Matcom4.5的 VC++与 Matlab 混合编程,并结合曲线拟合实例给出了具体的操作步骤.结论表明,利用此方法实现的 VC++与 Matlab 的混合编程操作简单,而且能够充分发挥两者的优势,缩短程序的开发周期.     

基于MATCOM的VC++与MATLAB混合编程

介绍了一种基于Matcom的Matlab与VC混合编程方法、步骤和实践过程中的一些实用性的经验.该方法以第三方控件Matcom为转换工具,将Matlab的m脚本文件和m函数转化成相同功能的C/C 文件,不仅能够充分发挥两种语言各自的优点,还可以完全脱离Matlab的运行环境.提供的实现过程和编程实例均说明此方法简单,方便,可操作性强.     

两种周期型遥测数据建模模型及其初始化算法

在对某大型航天电子设备的遥测数据建模预测时,遇到多是不规则周期型数据,对其进行建模预测可以在早期及时发现设备性能异常。针对有周期规律的遥测数据,提出采用Fourier级数模型、sin函数和模型对遥测数据建模,给出了这种数据模型的表达式,研究了基于FFT的两种模型的参数初始化算法。通过数值实验说明模型参数初始化算法的有效性,为后续利用最优化理论求解模型精确参数提供了良好的初试点。     

弹道仿真中Matcom与VC混合编程技术研究

首先叙述了Matlab和VC++.net两个软件在项目开发中的特点,然后介绍了对它们进行混合编程的4种方法,并结合作者进行弹道曲线仿真的项目应用,详细介绍Matcom软件,并阐述利用Matcom进行混合编程的步骤和方法,最后给出了具体的代码和应用结果.实践表明,利用Matcom进行Matlab和VC++.net的混合编程,可以减轻编程的工作量,提高软件开发效率.     

基于Matcom与COM的VC/Matlab混合编程

目前,比较流行的控制系统仿真软件是Matlab.Matlab功能强大,算法标准化,但是效率低.VC代码效率高,执行快,但是提供的数学函数少.为了使VC和Matlab可以充分的发挥出二者各自的优点,大大提高仿真效率,文中详细介绍了两种VC与Matlab混合编程模式,分别是基于Matcom与COM的方法.这两种方法可脱离Matlab运行环境,文中最后比较两种方法的特点,并得出结论基于COM的方法更加通用有效.     

分别基于Matcom与COM的VC、Matlab混合编程探讨与比较

VC与Matlab混合编程模式灵活多样,各有特点。为了使VC和Matlab可以充分的发挥出二者各自的优点,大大提高开发效率,文中详细介绍了两种可脱离Matlab运行环境的混合编程方法,分别是基于Matcom与COM的方法。最后给出实例来说明两种方法的优点及不足,并得出结论基于COM的方法更通用有效。     

基于LabWindows/CVI的遥测数据采集系统设计

早期导弹弹上控制系统与遥测系统之间信号传输采用数字并行方式,在地面测试系统中通常采用定制数据采集设备进行采集与处理,系统的通用性受到限制。在分析遥测信息传输协议的基础上,基于市场通用数据采集卡及LabWindows/CVI开发环境,设计了信号调理硬件接口模块和软件系统,实现了导弹遥测数据的采集、分析、处理及显示,在实际工程中取得了良好的效果。     

利用Matcom实现C++Builder对Matlab函数的调用

Matlab是功能强大的工程计算和数据分析软件，C Builder是面向对象的快速开发工具。二者结合，可以开发出具有友好界面、满足工程领域应用的软件。本文介绍了利用Matcom实现C Builder对Matlab函数调用的两种方法。     

电子设备BIT状态的神经网络预测

首先对基于ＬＭ 算法的神经网络预测性能进行研究。相对快速ＢＰ网络而言,其预测精度高、收敛速度快。然后提出将该方法应用于电子设备ＢＩＴ输出及相关量的状态预测,对存在于航空电子设备中的压力、温度等环境应力的典型变化曲线进行了预测,并在环境应力影响下的ＢＩＴ状态综合预测中得到验证。结果表明,利用时空两方面信息进行状态预测和综合分析是一条提高ＢＩＴ诊断能力、降低虚警的重要思路。     

基于机器学习的列车设备故障预测模型研究

决策树作为机器学习和数据挖掘领域中广泛应用的预测模型,其输出结果易于理解和解释。针对高速铁路车载智能设备数量庞大的流数据且设备故障复杂和诊断效率低等问题,采用CVFDT决策树算法,通过对规范化的列控设备流数据进行机器学习,构建车载设备智能故障预测模型（低概率发生、高概率发生和已发生故障）,实现对设备潜在故障“事前排除”,提高故障分类精度、定位和诊断准确性,保障高速铁路运营安全和运输效率。