基于VAE-DRSN的微纳卫星推力器故障诊断方法

针对微纳卫星推力器故障诊断问题,提出了一种基于变分自编码器-深度残差收缩网络(VAE-DRSN)的数据驱动推进系统故障诊断方法。该方法采用变分自编码器对姿态数据与控制器输出进行特征提取,通过深度残差收缩神经网络对提取的特征进行特征分类,可以高精度地在线检测、诊断和定位推力器的卡开、卡关及效率降低故障,无需卫星推力器模型及动力学模型,且无需单独配备硬件测量机构。经数值仿真验证,结果表明:该方法对于单喷口故障检测正确率可达99%以上,具有良好推力器故障定位及诊断能力。

端头井基坑施工对紧邻地铁车站的影响和对策

地铁端头井基坑开挖深度超过25 m,属于超深基坑。软土地区超深基坑施工必然发生围护墙水平挠曲变形和坑底土层回弹,这将导致周边土体较大的扰动,进而导致紧邻的既有地铁车站结构的变形和应力重分配。本文就常州六号线某车站端头井施工对紧邻既有地铁一号线车站结构的影响,采用有限元软件Midas/GTS-NX进行了计算分析,结果表明,施工导致的底板竖向位移超出地铁维护部门的位移控制标准。如果采取坑内地基加固和打设抗拔桩措施,位移可以减小到标准允许值范围内。在三维数值模拟中,粘性土和水泥土采用修正莫尔–库仑模型(MMC模型),粉土和砂土采用莫尔–库仑模型(MC模型),计算结果可与实测结果较好地吻合。

基于强化学习的多信道车联网频谱聚合共享

针对车联网需求日益增多以及频谱资源的短缺问题,本文结合认知无线电的频谱聚合功能以及多智能体强化学习方法,提出了基于强化学习的多信道车联网频谱聚合共享模型。每一条车辆到车辆链路作为一个智能体,共同与通信环境交互。各链路独立获得观测结果,同时获得共同的奖励。用这样的设置来促进多个智能体进行合作来训练Q网络,达到改善频谱聚合位置选取和功率分配这一智能体动作的目的。仿真结果表明,通过适当的奖励设计和训练机制,多个智能体能成功学会以分布式方式合作。在不损失车辆到基础设施链路传输总带宽的前提下,本模型能大幅度提高车辆到车辆链路的负载交付率。