飞行器智能设计愿景与关键问题

未来飞行器正朝着多元化、无人化和智能化的方向发展，高超声速、超隐身和变体等新型飞行器不断涌现。而传统飞行器解耦分拆的设计方法越来越难以满足未来飞行器综合性能全面提升的要求，只有通过整体化设计才能充分发掘飞行器的潜能。通过分析传统飞行器设计中存在的问题，提出满足全生命周期要求的飞行器智能设计体系理念，利用知识库的构建将智能赋予飞行器平台系统设计、制造生产和运维这3个阶段，并通过数字孪生技术进行飞行器全生命周期的仿真、分析和预测，以对飞行器设计、运行等数据进行更新，使该体系形成闭环。就飞行器智能设计体系中需要的关键技术及涉及的科学问题等进行了讨论，并给出了未来发展方向以供参考。     

基于特征建模的空间非合作目标姿态智能测量方法

为实现空间非合作目标姿态的测量，基于特征建模的思想，提出了一种根据目标激光点云数据进行高效处理的智能测姿态方法.首先，针对空间目标姿态测量的需求，寻找并实现能够高效表征目标姿态的点云数据特征.接着，应用神经网络的方法对目标点云姿态特征进行学习，通过建立合理的神经网络模型和训练数据，实现目标点云特征与姿态间非线性映射关系的建立.最后，利用目标点云仿真数据集，对方法的测量精度和测量实时性进行了评估.实验结果表明：利用特征建模的思想，提出并建立目标点云姿态协方差矩阵特征，实现了点云数据在表征目标姿态方面的信息高度压缩，为神经网络模型的轻量化设计和计算资源严重受限的在轨应用，提供了可行的智能化工程实现方案.     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。     

人工神经网络在CAPP系统开发工具中的应用

探讨了基于神经网络理论在ＣＡＰＰ系统开发工具的应用;建立了工艺过程设计系统的ＡＮＮ模型;详细讨论了工艺过程设计系统的推理机制,并给出了用集成ＢＰ网络选择加工方法及通过改进Ｈｏｐｆｉｅｌｄ网络确定工艺路线的过程。     

基于太阳黑子群数据的多模态太阳耀斑预报模型

当前的太阳耀斑预报模型主要通过统计关系建立,直接将从太阳黑子群磁图中提取的特征参量作为模型输入,系统的自主性低,导致图像数据中包含的与太阳耀斑相关的高阶抽象信息难以被充分利用,进而限制模型预报的精度。为解决当前太阳耀斑预报中数据利用不充分的问题,文章将海量太阳观测数据与先进的人工智能技术结合,综合利用太阳活动区磁场观测图、磁场特征参量和对应的耀斑事件标签,并借助全连接神经网络高精确率以及卷积神经网络高召回率和可有效提取高层语义信息的优点,构建基于深度学习的多模态太阳耀斑预报模型。实验证明该模型的主要评价指标结果比其他模型至少提高7.8%。     

智能诊断的定量推理机制和最优推理环境

描述和分析了一种新的基于智能信息处理的故障检诊方法,可以处理复杂动态系统故障检诊面临的复杂故障组合模式和时间特性。从推理机制的量化和推理环境的优选两方面完善了该理论,使其诊断能力、实时性和适用范围都得到提高。推理机制的量化是通过引入概率信息实现的。考虑到诊断过程中可能出现新的故障。又进一步引入了候选项集合扩张机制描述该现象,并提供了相关的概率计算公式。推理机制定量化使得诊断结果可以精确度量,检诊过程也可精确控制。推理环境优选则是通过引入熵信息实现的,由此提高了诊断效率。     

国外先进无损检测技术的发展及应用

介绍了国外先进的无损检测技术的发展和应用现状,概述了定量无损检测技术（ＱＮＤＥ）在生产阶段、使用阶段和使用寿命评估中的作用。并介绍了应用ＮＤＥ技术的材料的智能处理技术和人工智能技术。     

星载反射式成像系统计算光学设计方法综述

星载反射式遥感成像系统的结构集成度高、光学面型复杂,面临光学初始结构难以求解和像质优化难以收敛的设计难题。综述着重探讨星载反射式成像系统中的计算光学设计方法。星载反射式成像系统计算光学设计,包括复杂曲面反射镜、曲面反射型光栅等硬件设计,以及计算成像图像解码等算法设计。面对星载遥感成像的不同应用,文章从深度学习光学结构设计、合成孔径计算成像、景深延拓计算成像、主动光学计算像差补偿和曲面光栅计算光谱成像等几个方面进行系统性地分类讨论。本综述结论为：基于计算光学的设计方法,无论在光学结构与面型求解方面,还是图像信号非线性逆问题求解方面,都具有强大的设计能力。在发展趋势上,计算光学在航天光学系统的设计潜力刚刚被挖掘。在“人工智能时代”的软、硬件算力支持下,计算光学方法将大大提升星载反射式成像系统设计的便捷性。