一种基于多层SOFM网络的星图识别方法

提出了一种基于自组织特征映射(SOFM)神经网络的星图识别算法。用基于支持向量机(SVM)的动态阈值选取算法选取导航星构建导航星库,将一多层多个并联SOFM子网的识别系统用于星图识别。给出了方法的流程。仿真结果表明,SOFM网络可提取星图中的复杂特征识别导航星。与传统三角形算法相比,该识别算法的识别准确率、鲁棒性和实时性更优,有一定的实用价值。     

结合自组织映射网络及三角形算法的星图识别方法

三角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络（SOM）优秀的分类能力和三角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的三角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的三角形库中应用三角形算法查找匹配三角形,完成星图识别。试验发现该方法减小三角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。     

超级拦截：比利时空军的特别任务

消失在底片中 1990年3月31日．在比利时首都布鲁塞尔发生了一次UFO目击事件。三名男子以惊讶的神情．凝视着东南的夜空。在他们的眼前，出现了三角形UFO的模样．它有四个发光源．亮度是圆月时的六倍，就在此时．三角形UFO从他们的头顶上掠过。     

非结构网络生成技术

描述了菲结构网络生成的过程,网络的生成方法基于Ｄｅｌａｕｎａｙ三角形方法,并对物面附近网络进行拉伸以便获得在边界层内高拉伸比的三角形单元。网络的生成过程分两部分：（１）按Ｄｅｌａｕｎａｙ三角形方法生成适于无粘情况下的非结构网络。（２）对近物面的部分三角形单元进行拉伸,使生成的网格能适用于粘流。使用上述方法本文构造了二维弯管内绕叶栅区域的非结构网格。     

基于常应变单元的空间薄膜结构动力学建模与分析

为了保证薄膜结构构成的充气式可展开天线、网状可展开天线和太阳帆等航天器的表面精度、信号增益等工作性能，需要对空间薄膜结构的动力学展开性能进行分析。由有限元离散方法将整个薄膜反射面离散为众多常应变三角形单元，这些单元的节点可视作质点；考虑这些三角形单元的弹性势能，由最小势能原理得到三角形单元的平衡方程，从而实现单元上点的应变和单元三条斜边线应变之间的转换；最后，为了防止展开过程中单元间接触，建立接触模型，由薄膜反射面的离散拓扑组集结构的质量矩阵和刚度矩阵，并建立动力学方程。基于文中方法对具体算例进行计算和分析，结果表明，动力学模型能够很好的模拟薄膜的展开过程，可应用于薄膜结构的展开性能分析中。     

一种改进的快速全天星图识别算法

针对三角形算法中模式识别率低、易造成误识别的问题,提出了一种改进的三角形算法。 首先,该算法通过对全天区导航星进行筛选,缩小星库存储空间;同时,在识别过程中对找到的三 边角距集合采用设置状态标识的方法,加快对探测星三角形的识别速度;在三角形匹配识别结果 不唯一时,引入其他观测星进行验证,确定唯一的匹配对应;在识别结束后,应用投影验证检验识 别结果。仿真结果表明,该算法能够有效地节省存储空间,缩短全天星图识别时间,与传统的三角 形算法相比具有较大的优势。