自覆盖映射的弱双曲不变集的性质

对弱双曲不变集进行了讨论 ,证明了 :若∧是 f的具有局部乘积结构的紧致弱双曲不变集 ,则 f在∧上具有伪轨跟踪性质。     

基于MIMO阵列的混合波束赋形算法

低轨(low earth orbit，LEO)卫星通信可以克服恶劣地形影响实现远距离通信，面对突发灾害能快速部署解决通信问题，但是，卫星在保持高速运动的同时采用高频段的信号，容易导致通信时产生严重的信号衰落。针对此问题，基于传统遗传算法提出一种适用于混合波束赋形架构的算法。固定模拟域对数字域进行迭代优化，然后固定数字域对模拟域进行迭代优化，通过共同的待优化矩阵进行联合求解，在固定功率的前提下不断迭代优化矩阵，采用混合波束赋形方法有效减少硬件复杂度，更加接近数字波束赋形的性能。仿真表明，在混合波束赋形架构应用上，相对于传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法，所提算法性能提升了6.61%。     

4-DOF 串联仿生机械臂动力学建模方法

串联机械臂在仿生机械、工程机器人中得到广泛应用，如何建立有效的串联机械臂系统动力学模型，解决好模型求解的精度和实时性问题是深入开展机械臂运动控制研究的基础。分别采用牛顿 欧拉法、基于动能积分法的拉格朗日方程和基于等效动能法的拉格朗日方程3种求解机械臂动力学模型的方法，对某仿生螳螂前臂四自由度机械臂进行建模研究，通过具体求解过程对比分析了上述3种方法的实时性、精确性和通用性，为该串联机械臂的运动控制研究提供支撑。     

大偏心率椭圆轨道星上轨道外推的参数化模型

众所周知,数值方法和分析方法都可以用于轨道预报.一般而言,采用数值方法可以获得更高的精度,采用分析方法可以达到更高的效率.对于近圆轨道卫星,已有许多成熟的数值方法和分析方法可以用于轨道预报.而对于大偏心率椭圆轨道卫星,这些方法都有各自的局限性.传统的数值积分器工作效率较低;分析方法中多采用简化的力模型,因而可以达到的精度有限.为实现大偏心率椭圆轨道卫星的星上轨道预报,本文提出了一种解决方案.其核心思想是基于摄动分析解的表达式,尝试构造拟合公式,用不同的频率项反映摄动影响下轨道根数的周期变化和长期变化.最终以拟合和计算的过程代替求解微分方程,建立参数化模型,从而实现轨道外推.应用此模型时,将首先通过拟合公式对真近点角f、近点角距ω、升交点经度Ω、轨道倾角i和地心距r进行拟合与计算,然后利用这5个轨道根数计算出卫星在惯性坐标系下的位置矢量,得到最终的预报结果.为检验方法的可行性,本文利用该参数化模型对33颗闪电轨道卫星进行了轨道外推.对每颗卫星分别进行28组试验,每组算例的外推弧段为3天.数值试验结果表明,轨道根数f,ω,i与r的计算结果受到轨道偏心率的影响.3天内,轨道外推的位置精度一般约为百米级.     

电力巡检车载无人机协同作业优化

无人机以其安全、灵活和高效的特点已被广泛用于替代传统的人工巡检，但现有的车载无人机和保障车在电力巡检协同作业中面临重重困难，巡检成本较高且效率较低。针对车载无人机电力巡检的协同作业优化问题，构建基于时空网络的无人机与保障车时空路径协同优化模型；以拉格朗日松弛为主要框架，嵌入基于贪心规则的松弛解转换算法，提高模型求解的收敛速度和精度，经数值实验对比验证了该优化方法在求解较大规模问题时的有效性。此外，还通过敏感性分析实验研究无人机电池最大载荷对系统整体运行状态的影响。本研究为提升车载无人机电力巡检系统运行效率和降低管理成本提供科学的决策依据，为有效解决车载无人机电力巡检协同作业难题提供新方法。     

重庆师范大学 数学学院，重庆 401331

考虑目标函数能够分解成n个独立的凸函数,其约束条件为线性约束的可分凸优化问题.呈现了一种推广的预测矫正邻近乘子法来求解可分凸优化问题.算法在迭代中利用二次项代替了增广拉格朗日函数的增广项，算法既有邻近乘子法的特性，又有可以平行计算，并且在较弱的条件下，能保证全局收敛.     

幂零类是2的有限幂零群的轨道长度

为研究有限幂零群G忠实作用在一个可解群H上的轨道长度，假设有限幂零群G忠实不可约作用在一个初等交换q-群V上，则可得Z(G)是循环群，且对任意V中元v，中心化子CG(v)与Z(G)交一定等于1，考虑中心化子阶的情况。假设G是幂零类为2的有限群且Z(G)是循环群，若子群S 满足|S| 2>|G|，则S与中心Z(G)交不等于1。若G忠实不可约作用在初等交换q-群V上，证明了所有的最小轨道长度的平方大于等于群G的阶。     

基于注意力机制的混合CNN-BiLSTM低轨卫星信道预测算法

针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题, 提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network, AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号, 得到卫星信号的训练集和测试集; 然后将训练集输入构建的训练网络进行特征提取; 最后将测试数据输入网络进行预测分析。仿真结果表明, 在与其他4种人工智能方法的对比中, 所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%), 有效地缓解了低轨道卫星信道参数“过时”的现状, 对提升卫星通信质量和节省卫星信道资源有良好的改善作用。     

低轨卫星移动性管理仿真平台研究及实现

针对当前低轨卫星通信系统在移动性管理仿真方面的空白,以铱星星座为参照,基于OPNET设计了一个低轨卫星移动性管理仿真平台.针对低轨卫星的运行特点,从工程实现的角度设计了一套基于接收信号强度测量的硬切换方案,包括星间切换和波束间切换的信令流程.仿真结果表明,该平台能够正确模拟低轨卫星通信系统的工作状态,在不同条件下对卫星通信和切换质量进行对比并输出相关数据参数,为低轨卫星通信系统的研究开发工作提供参考和指导.