基于注意力机制和特征匹配的空对地多目标检测与跟踪算法

多目标跟踪算法是实现无人机自主导航的关键技术，为解决现有方法存在的小目标检测能力弱、计算能耗大、鲁棒性差等问题，提出一种基于注意力机制和特征匹配的多目标空对地跟踪算法，以实现航拍视角下对目标的精准高效跟踪。首先，引入通道可分离卷积，实现目标检测模型的轻量化；其次，构造融合空间注意力机制的小目标检测分支，提高对小微目标的检测精度，最后，优化目标跟踪算法的外观重识别网络，提高多目标跟踪效率。使用Visdrone2019-MOT数据集对所提算法进行验证，实验结果表明，所提算法的MOTA值提高了0.６%，FPS值为21.31帧/s，在模型大小和跟踪精度上实现了较好的平衡。     

板式表面张力贮箱推进剂重定位过程数值仿真的网格收敛性分析

为了验证2.67 L卫星贮箱性能，通过建立贮箱仿真模型，分别对贮箱50%与60%填充率下推进剂的重定位过程进行仿真验证。为了提高仿真效率，通过引入GCI指数这一概念，对比295万、625万、767万、955万网格数量的仿真结果，对仿真模型的网格收敛性进行分析。通过两个工况仿真结果的对比验证，认为当网格数量为625万时，数值模拟的误差能够收敛，具有较高的仿真效率。基于该仿真模型，对比分析了贮箱在受到轴向、周向扰动时与不受扰动时推进剂重定位过程的质心坐标变化，发现在扰动持续1 s情况下，推进剂质心变化小于1×10^-3m,因此认为该板式贮箱具有较好的抗扰动能力。