基于数值模拟的工程设计中参数不确定性表征方法研究综述

现代工程设计大量使用数值模拟技术，然而数值模拟中仿真模型、几何参数、工作载荷、环境条件等均存在不确定性，这些不确定性直接影响数值模拟结果的可信度，尤其在研发对性能和可靠性要求严苛的装备时，忽略这些不确定性将产生潜在风险，因此在基于数值模拟的工程设计中开展不确定性量化意义重大。不确定性表征既是准确开展不确定性量化和优化设计工作的前提，也是工程精细化设计的重要支撑。本文阐述了基于数值模拟的工程设计中所面临的不确定性因素，根据不确定性因素的表现形式和可用信息，按照概率表征和非概率表征两大类总结了目前主流的参数不确定性表征方法，介绍了各种表征方法的基本思想、主要原理、适用范围以及方法在工程实践中的发展和应用，并简要阐述基于不确定性表征结果进行不确定性传播的基本思路，最后对不确定性表征的研究方向进行了展望。     

基于极大验后推估理论的全球电离层地图预报

提出了一种基于极大验后估计理论的全球电离层预报方法，基于中国科学院电离层分析中心（CAS）提供的快速全球电离层地图（GIM），实现了1天、2天和5天GIM的预报。以国际GNSS服务组织（IGS）最终GIM、Jason测高卫星提供的电离层观测信息及全球GNSS基准站实测电离层总电子含量（TEC）为基准，评估了2008－2017年CAS电离层预报GIM在全球大陆及海洋区域的精度，并与欧洲定轨中心（CODE）、欧洲空间局（ESA）和西班牙加泰罗尼亚理工大学（UPC）的预报GIM进行对比。在评估时段内，与IGS-GIM相比，CAS预报GIM精度为2.4~3.1 TECU；与测高卫星TEC相比，CAS预报GIM的精度为5.1~6.6 TECU；与全球基准站实测TEC相比，CAS预报GIM的电离层延迟修正精度优于80%。总体来看，CAS预报GIM与CODE预报GIM精度相当，显著优于ESA和UPC预报GIM。      

基于双目视觉的类脑三维认知地图构建方法

基于大脑导航神经细胞机理的类脑认知地图构建方法,为发展智能同步定位与地图构建(SLAM)技术提供了新思路.针对现有类脑认知地图构建精度不高的问题,提出了一种基于双目视觉的类脑三维认知地图构建方法.首先阐述了类脑三维认知地图系统的工作原理,然后论述了不同视觉里程计对认知地图精度的影响,研究了基于双目视觉里程计的类脑三维认知地图精度优化方法,最终完成了基于视觉数据集的类脑三维认知地图构建试验.试验结果表明,所提方法构建的视觉里程计地图的三维位置误差为总行程的2.14％,认知地图的三维位置误差为1.56％;认知地图精度与里程计精度呈正相关;系统通过模板匹配进行回环检测与校正,提高了认知地图的精度.     

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。     

基于群体意志统一的无人机协同围捕策略

针对无人机(UAV)协同围捕问题, 提出一种基于群体意志统一的围捕策略。受人类在协作任务中的认知机理启发, 引入“群体意志”定义无人机的协作认知, 并构建双回路认知模型, 借助图卷积网络对围捕无人机获取的局部态势进行融合认知, 有效减轻无人机系统的计算负载。依靠变分推断原理和生成式自动编码器对围捕无人机进行群体意志趋同学习, 依据Apollonius圆实现协同围捕, 使无人机集群涌现出更加智能化的围捕效果。通过对比仿真验证了所提策略的有效性和智能性。      

基于支持向量机的抗干扰决策技术

为了应对日益复杂的电磁环境，认知雷达的概念被引入电子战中。认知电子战系统包括认知侦察、认知对抗和认知效能评估3个重要环节。针对认知电子战系统对抗干扰决策技术的需求，为实现自适应的决策抗干扰措施，将支持向量机(SVM)算法运用于抗干扰决策中。仿真结果表明:基于SVM的抗干扰决策技术可以自适应地决策抗干扰措施，进行干扰对抗，该算法完成了认知电子战中的最后的一步，使认知电子战系统实现闭环。     

不依赖于卫星的无人系统视觉/激光雷达感知与自主导航技术

智能化的无人系统在现代社会中起着重要作用,而对环境信息的准确感知以及自身位置的精准估计是无人系统智能、高效执行任务的核心基础,视觉与激光雷达传感器是无人系统常用的感知与导航传感器.近年来,随着应用场景的拓展,无卫星信号、无光等恶劣环境对无人系统的感知与自主导航技术提出了新的挑战.针对上述环境,对无人系统中视觉/激光雷达感知技术与自主导航技术及其进展进行了分析和总结.从感知和导航定位两个应用层面出发,深入讨论和分析了基于视觉和激光雷达手段的深度估计、目标检测、自主导航、地图构建等技术的机理差异、实现方法及特性.分析了目前国内外研究成果及进展,总结对比了目前的技术特点与局限性,并展望了未来无人系统感知与导航的关键技术挑战与发展趋势.     

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(Generative Adversarial Network,GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;之后将达到模糊分数阈值的图像同步输入至改进GAN网络模型,该网络以端对端的形式恢复中心模糊帧的纹理信息,最后将输出的清晰图像重新进行位姿估计参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,方案可以明显降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。