基于一种贝叶斯优化框架的高空螺旋桨气动优化设计

为了在可接受时长内获得高空螺旋桨气动方案的最优解，提出一种基于贝叶斯优化框架的高空螺旋桨气动外形优化设计方法。该方法以拉丁超立方抽样获取螺旋桨气动外形参数的初始样本点，建立以该参数为输入、数值模拟获取螺旋桨气动性能为输出的初代高斯过程模型；以遗传算法和三种并行加点准则构成的子优化获取新样本点，求取新样本点的气动性能，并更新样本数据和高斯过程模型。该方法可以使新样本点快速向最优解附近集中，从而提高最优解附近的模型近似精度。为验证模拟方法，加工了某高空螺旋桨进行地面试验。与模拟结果相比，试验推力平均误差2.34%、扭矩平均误差3.33%。以课题组自研的6个低雷诺数翼型为基础，使用该方法对某高空太阳能无人机螺旋桨进行优化设计，优化结果显示：螺旋桨在设计点推力提高9.24%、效率提高8.13%。研究结果表明，该方法对高空螺旋桨优化设计及相关工程应用具有较强的参考价值。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

北斗/GPS双频载波相位单点定位模型及精度分析

针对海洋工程实时米级绝对定位需求,利用双频伪距、载波相位观测量和同时估计接收机位置、接收机钟差和载波相位模糊度,构建了一种双频载波相位实时单点定位方法.亚太区域14个测站试验结果显示:北斗水平和高程定位RMS分别为1.33m和1.81m,GPS为0.60m和0.85m,北斗/GPS组合为0.56m和0.72m;船载动态试验结果显示:北斗水平和高程定位RMS分别为1.40m 和2.46m,GPS为0.69m 和0.90m,北斗/GPS组合为0.65m和0.83m.