“龙江2号”月球轨道微卫星定轨分析

微纳卫星深空探测任务中,通常所分配的测控资源有限,因此有必要对有限测控资源条件下微纳卫星的定轨精度进行分析。以微纳卫星深空探测为背景,采用"龙江2号"微卫星的轨道测量数据对其定轨精度进行了分析。"龙江2号"微卫星只有USB轨道测量数据,且环月段测控资源相对紧张,每天有两站跟踪,共约3～4 h的轨道测量数据。首先介绍了"龙江2号"微卫星飞行任务及其飞行过程中影响测定轨的因素;其次给出了定轨的动力学模型,对微卫星地月转移段的定轨精度进行了分析;最后通过分析摄动力、动量轮卸载以及数据弧段长度的影响,给出了微卫星环月阶段所使用的定轨策略,并通过重叠弧段比较的模式,给出了微卫星环月段的定轨精度。研究结论可以为后续微纳卫星深空探测任务提供有益参考。     

小行星探测科学目标进展与展望

由于较好地保留了太阳系早期形成和演化历史的遗迹,小行星,尤其是近地小行星,已成为国际深空探测领域的研究热点。介绍了小行星的定义、分类和主要探测方式,指出目前小行星探测已进入空间探测的新时代;总结了国际小行星探测的现状,包括已实施和正在实施的小行星探测任务的科学目标、科学载荷配置,以及获取的主要科学数据等;探讨了未来小行星探测的发展趋势和主要科学问题,并对我国未来自主小行星探测任务科学目标的制定进行了展望。     

一种深空粒子采样返回探测器构型设想

以太阳风粒子、深空尘埃等为目标的采样返回探测任务是空间科学与深空探测研究的热点方向之一。对“星尘号”“起源号”两个典型采样返回探测器的构型进行了分析,并梳理了其主要构型特点。结合我国月地高速再入返回飞行器的构型特点,提出了一种深空粒子采样返回探测器构型的设想：总体构型由长方形主体和流线型返回器组成,主体构型适应于承载返回器和其他装器设备,返回器构型适应于样品收集和再入返回气动外形。设计方案采用了充气式采样器进行粒子收集,具有体积小、重量轻、折叠效率高、展开可靠、工程实施简单等特点,并采用了可重复收拢展开的太阳翼,能够适应收集不同类型深空粒子的需求。     

高垂直度和低沉积的MEMS陀螺梳齿结构释放工艺

梳齿型微机电系统（MEMS）陀螺的释放要求结构具有垂直度高、释放过程沉积聚合物少的特点,通过优化深硅刻蚀的工艺参数,包括钝化气体八氟环丁烷（C4F8）的流量、衬底温度、刻蚀气体六氟化硫（SF6）的流量和钝化气体C4F8的压力,实现了结构垂直度为90.0°、支撑层表面沉积物厚度为87.1nm的梳齿结构释放工艺。深硅刻蚀工艺的优化为高性能MEMS陀螺的加工提供了基础。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩，但由于该类方法只能以矩形框给出目标的概略位置，检测结果具有很大的背景冗余区域，特别是港口密集停泊的舰船在图像中会出现区域重叠，导致误检和漏检。针对以上问题，提出了一种具有旋转不变性的舰船目标精细化检测方法，该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点，借鉴MobileNet架构对网络加速，通过学习密集区域目标的几何形变，有效预测目标的旋转角度，最终以旋转的矩形框给出目标的位置。实验结果表明，该算法可实现多类舰船目标类型区分和目标朝向判定的功能，有效地解决了实际应用中的目标精确定位定向难题，提高了自动目标识别的精确性，并满足工程应用的实时性要求。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

基于时标分解的弹性高超声速飞行器智能控制

考虑弹性高超声速飞行器纵向动力学模型，提出了一种基于时标分解的智能控制方法。考虑刚体状态和弹性模态具有不同的时标特性，采用奇异摄动理论进行快慢时标分解，将模型转换为刚体慢变子系统和弹性快变子系统。针对刚体子系统考虑动力学不确定，基于平行估计模型构造表征不确定逼近效果的预测误差，结合跟踪误差给出复合学习控制策略。针对弹性子系统设计自适应滑模控制稳定弹性模态。通过李雅普诺夫稳定性分析可证系统状态一致终值有界。仿真表明所提出的控制方法能够实现刚弹模态的稳定收敛，且具有更高的跟踪精度、更好的学习性能和更快的收敛速度。