液体火箭发动机基于主要目标的减损与延寿控制方法

首先通过构造目标函数、提取约束条件与问题解的分析,对液体火箭发动机减损与延寿控制技术的优化问题进行了数学描述,然后以某大型液氧/煤油火箭发动机为对象,考虑其涡轮叶片为关键部件,研究了发动机起动过程减损控制律综合分析的主要目标法,并在不同的约束条件下,对实现不同意义下的减损控制进行了仿真计算.结果表明该方法可行且有效,能够有效实现系统性能与关键部件损伤间的权衡并实现预期的减损目标,结果为工程中液体火箭发动机的改进和优化设计提供了重要的参考价值.      

基于支持向量机和蚁群算法的空间目标分类

研究了基于支持向量机的空间目标分类中核参数和误差惩罚因子的选择问题.将蚁群算法与支持向量机相结合,提出了一种自动优选支持向量机模型参数的方法,克服了以往反复试验以确定其参数的缺点.采用所提出的方法,分类正确率迭90%左右,验证了该方法的有效性.     

利用SQP控制涡扇发动机加速过程的多目标最优化研究

在涡扇发动机加速过程控制中引入多目标评价函数法中的线性加权和法,实现发动机加速过程的双变量控制。研究过程中,充分考虑了涡扇发动机加速过程中的各项约束条件。仿真结果表明,应用多目标最优化方法来进行发动机加速最优控制是可行的,能充分发挥发动机的潜力。      

基于域对象的文本过滤模型

提出了一种基于域对象的文本过滤模型,该模型采用改进了的基于概念的向量空间模型来表示域对象模型。在过滤过程中,先建立域对象模型,然后将待过滤文本进行信息提取、文本分析,建立待过滤文本的临时模型,通过模型匹配来判断待过滤文本是否属于过滤范畴。实验证明该模型有较好的过滤性能。     

对象Petri网模型的并发软件仿真技术的研究

并发软件的性能评价是提高软件开发质量的重要手段之一．本文重点讨论了将面向对象与Ｐｅｔｒｉ网相结合的思想用于并发软件开发中的系统建模,以及基于对象Ｐｅｔｒｉ网（ＯＰＮ）的并发软件系统的仿真技术,同时,也探讨了实现一个基于ＯＰＮ的动态仿真工具所面临的关键技术和解决方法．实践结果表明,文中讨论的实现机制与处理方法是有效和可行的．     

面向对象程序可视化类图的逆向自动生成

研究了逆向构造程序类模型的基本规则, 并且提出了一种可以自动绘制的、基于继承关系的层次型类图结构(inheritance-layered class diagram).在这种层次型类图上,可以清晰地展示程序中的对象类及其相互之间的继承关系、组成关系和关联关系等,并可以直观方便地对程序中定义的对象类进行各种相关性或依赖性分析.文中还介绍了一个根据上述规则和方案实现的实用工具SafePro/Re-OM.     

UML软件开发过程和支持环境研究

从当前对软件工程过程的需求出发,结合软件工程领域的最新成果统一建模语言UML(Unified Modeling Language),重点讨论了适应需求变化的迭代式软件开发过程,提出了柔性软件开发模型.在此研究的基础上,设计了集成化UML软件开发环境的框架,指出其组成应包括UML可视化建模系统、UML模拟系统、UML代码生成系统和UML逆向变换系统4个部分,并提出了需要解决的问题.     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了41%、25%、24%。基于高分二号卫星（GF 2）真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。     

Comparative analysis of global optical observability of satellites in LEO

With a growing number of resident space objects (RSOs), the facilities for near-Earth space surveillance have to cope with increasing workload. It also applies to low-cost small optical surveillance facilities which may present regional, national and global networks. Improved methods of planning and scheduling optical telescopes are required to use these instruments efficiently. Today, optical observations are only feasible if the following quite stringent requirements are met: the object should be illuminated by sunlight, and it should be above while the Sun is below the observer’s horizon. For different orbits, these preconditions result in varying degrees of the space object observability at various ground-based sites. Certainly, satellites in low Earth orbit (LEO) are particularly difficult to observe. This study aims at developing a new technique for assessing observability of a satellite in different types of orbits – namely, low, medium and high Earth orbits, imaging of the opportunity for its visibility in respective diagrams and their analysing for the existing near-Earth population of RSOs. Unlike other researches, wherein one or several observational stations have been chosen as target sites for in-depth analyses of visibility of all the satellites or just the selected ones, the present study focuses on examining the probability of optical surveillance of satellites in a certain orbit from any locations worldwide. It offers considerable scope for automation of surveillance planning and scheduling optical surveillance networks.