层叠结构动态逆在无人战斗机控制中的应用

无人战斗机采用翼身融合的一体化设计。这种非传统构型的布局,带来很多优点的同时也造成了飞机的静不稳定,采用线性的控制方法很难满足无人战斗机的性能要求。通过对传统的动态逆控制方法进行改进,从内回路开始保证系统的动态性能和跟踪性能,设计了层叠结构动态逆控制器。仿真结果表明,所设计的控制器实现了系统的解耦控制,并具有较强的鲁棒性。     

二次奖罚学习自动机

研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同，新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ，且对不同的环境，其具有不同的行为和特点。     

要有多少钱才可以真正拥有私人飞机

曾经,一起打高尔夫是商业社交的重要方式;曾经,拥有跑车、游艇是富豪的标志;也许,很快这些将成为过去时,拥有自己的私人飞机将成为顶尖富豪的最新标签。就这样,一波波富豪们被"诱惑"出了头等舱,坐进了私人飞机。私人飞机成为了他们的卧室、会议室、社交场所。     

上海机场集团纪念劳动节和青年节

5月4日,上海机场集团公司召开"推进创先争优,加快改革发展"座谈会,机场历年劳模、五一劳动奖章、五四青年奖章获得者以及各单位相关负责人等120余人济济一堂,纪念"五一"国际劳动节和"五四"青年节。会上,集团公司党委副书记、副董事长、副总裁朱宁一宣读了表彰通报,集团领导向受表彰的个人和集体颁奖。集团公司党委书记、副董事长何卫国和党委副书记、总裁李德润向青年代表赠送了书籍《中国共产党历史(第二卷)》和《唤醒心中的巨人》,勉励青年加强学习、增强本领。     

一种微推力器阵列测试台系统辨识与动态补偿

将动态力测量方法改进后应用在一种特殊的微推力器阵列测试台架上,解决了用低固有频率测试台测试高频信号的问题.将台架进行合理简化后,用ANSYS分析其模态振型,并用实验数据验证振型分析的正确性.设计改进了向台架施加负阶跃力的实验方法,即用烧断悬丝砝码的方法向系统最小成本地加载准阶跃力.针对系统的理论模型,设计补偿环节参数,...     

基于语料库学生探索式大学英语词汇教学浅论

借助学习者语料库，探讨大学英语词汇教学新的教学模式，改进原来的以教师讲授为主的单一课堂教学模式，从传统的PPP模式逐渐转变为OHE模式，实现从枯燥的教师讲授词汇教学向学生自主探索式、小组合作式教学的转变。     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

空间目标的ISAR成像及轮廓特征提取

空间目标的逆合成孔径雷达（ISAR）成像由于受自身遮挡及噪声干扰等影响,导致生成的ISAR像难以直接进行图像分析及目标识别。由此,以空间目标的ISAR成像建模为基础对ISAR像处理及特征提取展开了研究。首先,分别建立了目标卫星的ISAR成像模型、ISAR信号模型及ISAR图像函数提取模型,并经过旁瓣抑制与相干斑滤波等初步处理得到了目标卫星的ISAR像。其次,采用Otsu算法、canny算子及Hough变换使卫星旋转至最长轴平行于像平面横轴,通过闭运算填充卫星内部孔洞,去除外部孤立噪声,并基于连通域思想分割出卫星所在子区域,实现了卫星的轮廓提取。所设计的图像处理算法能有效改善ISAR像质量,提取的卫星轮廓线能较好地勾勒出目标卫星的外形结构,为进一步展开卫星的识别工作奠定了重要基础。      

基于自适应动态规划的航空航天飞行器鲁棒控制研究综述

自适应动态规划方法(ADP)是一种基于强化学习框架的智能控制方法,通过函数近似技术,最终得到动态规划问题的近似最优控制策略.本文对ADP方法在航空航天飞行器鲁棒控制的研究进行综述.首先,介绍了ADP方法基本结构框架与典型算法实现原理.进一步,对于ADP方法在高超声速飞行器系统,导航制导系统以及无人机系统在鲁棒控制中的相关研究进行介绍.最后,对未来航空航天飞行器领域ADP方法的发展前景进行了分析.     

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。