基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

应用禁忌遗传算法的空间目标协同监视资源调度方法

针对空间态势感知领域的空间目标协同监视问题,提出应用禁忌遗传算法的空间目标协同监视资源调度方法。按照资源调度系统的调度能力、目标容量、响应时间等需求,对协同监视的4种任务模式、目标函数、问题建模、求解算法进行具体分析。仿真结果表明:该方法可支持20颗卫星调度、监视跟踪目标容量1000个,在优化求解速度、精度等方面具有明显优势,可应用于我国空间目标协同监视集成管理系统。     

提高过站故障航班的正点率

<正>1现状调查2012年过站故障航班的正点率经过调查统计:第一季度故障航班数59,延误数16,延误率27.1%;第二季度故障航班数48,延误数11,延误率22.9%;第三季度故障航班数72,延误数19,延误率26.4%;第四季度故障航班数60,延误数15,延误率25.0%;全年总计平均延误率为     

海航技术以技术创新促发展

在目前激烈的市场竞争中，中国航空维修企业既要面对国内外同行的竞争，又要面对OEM的技术封锁。除了进一步压缩维修保障工作中航材、生产、     

翻滚非合作目标逼近与跟踪的轨道和姿态控制

面向近距离逼近与捕获翻滚非合作目标的在轨服务空间清理任务需求,研究了航天器非合作式交会对接的轨道和姿态控制问题。在控制输入受限约束下,考虑存在参数不确定性和外部扰动的情况,结合滑模控制和自适应控制技术,分别进行鲁棒自适应位置和姿态控制器设计。利用自适应控制估计参数不确定性、未知干扰上界以及滑模控制反馈系数矩阵,提高了系统的鲁棒性。通过李雅普诺夫理论证明了系统在控制器作用下全局一致最终有界稳定。仿真结果验证了控制器的有效性,能够有效解决与高速旋转非合作目标的稳定相对位姿关系建立的难题。     

机翼结冰生命周期的数字孪生软件系统

飞机巡航中的机翼结冰情况是关系到飞行安全的重大实际问题之一,如果能够实时监测甚至根据环境提前预测机翼结冰过程和状况,对改进机翼防除冰设计、规避飞行危险都具有重大意义。数字孪生技术作为5G信息时代中新兴的技术,为物理过程的虚拟呈现提供了新的思路与解决方案、同时数字孪生技术结合人工智能等技术,同样可以应用于飞机巡航中机翼结冰物理过程,对实时监测与预测提供了新的技术保证。从数字孪生的角度出发,以机翼结冰神经网络模型为切入点,设计实现了一款基于数字孪生和人工智能技术的巡航中机翼结冰二维过程快速呈现软件系统。软件获取飞机巡航结冰参数与飞行参数,运行结果能够利用动态显示方式,呈现飞机巡航中机翼结冰全生命周期。     

基于多可信度代理模型的尾喷管优化设计

尾喷管是飞行器机体/推进一体化设计中的关键部件之一,直接影响着飞行器的推阻匹配、俯仰力矩配平等特性。为了提高尾喷管优化设计效率,建立基于多可信度代理模型的多目标优化模型。以基于粗网格、无黏模型的CFD 结果作为低可信度数据,以基于细密网格、SST k-ω 湍流模型的CFD 结果作为高可信度数据,将最大化推力系数、升力系数和俯仰力矩系数作为优化目标,构建Cokriging 模型,并结合NSGA-Ⅱ算法得到Pareto 解集。结果表明：以上三个目标分别提升了2.94%、13.0% 和40.6%,误差低于0.5%,并进行了敏感性分析;优化后流场波系结构更为复杂,改变了壁面压强分布规律;与Kriging 模型相比,Cokriging 模型具有相当的预测性能,构建时间成本节省了62%。     

民机维修任务分析的人因可靠性预测模型

人为因素作为人机关系中的重要环节,是影响民航安全的关键因素。定量分析机务人因可靠性水平对于减少无意识犯错、保障飞行安全具有重要意义。根据NASA建议开发出一套THERP+CREAM结合的模型,针对民航特点对THERP数据表进行优化处理,采用模糊贝叶斯网络与CREAM结合的方法确定机务维修人员的认知控制模式,利用平均权重因子将THERP的预测值嵌入CREAM,实现两代方法的结合,以提高机务人因可靠性预测的精度。研究结果表明：通过对某航空公司某维修小组的调查,证实了所提的THERP+CREAM预测模型能够较好地预测机务人因可靠性水平,实现了依据维修手册中的维修任务,即可进行人因可靠性分析,为研制单位维修任务分析中的人素分析提供了一个定量评估方法。     

以可用度为目标的民用飞机不完全预防性维修间隔优化

民用飞机制造商推荐的初始预防性维修间隔通常不考虑运营环境和维修能力的差异,在满足飞机安全性要求的同时,难以达到可用性的最优状态。基于不完全维修理论,采用役龄回退因子修正部件的可靠性模型,以反映维修工作对于部件性能的影响;结合航空公司运行实际情况,以部件可用度为目标函数,可靠度阈值为约束条件,提出不完全维修策略下的预防性维修间隔优化模型,并以某型飞机的空气起动机航线故障数据进行实例验证。结果表明：在满足可靠度阈值的约束条件下,所建立的维修间隔优化模型得出的最优维修间隔与实际相符,该模型合理可行。