复合导引头目标信息融合抗干扰技术研究

复合导引头由微波制导至红外制导的过程中,受干扰条件的影响,有可能出现错误交班。为了提高导引头应对干扰的能力,设计了一种微波/红外目标信息融合抗干扰方法,该方法利用微波与红外目标信息进行关联度检测,对跟踪微波与红外运动的趋势进行在线实时判断,及时做出干扰误交班判定。在进行了干扰误交班的情况下,MATLAB数字仿真结果表明,该算法能够准确有效地给出干扰误交班判断,从而保证了在干扰环境下对目标跟踪的稳定性。     

河北省卫星遥感海冰业务化监测系统建设及应用现状

正一、引言卫星遥感技术具有观测面积大、观测周期短、空间分辨率高、同步性强、经济直观等优点,是海洋环境立体观测系统的重要组成部分[1,2]。2010年,国家海洋局科技司大力推进升级卫星海洋应用,将河北省列入卫星海洋应用示范区。河北省以海冰作为重点监测对象之一,开展卫星遥感在地方海洋环境监测业务化应用的"试验型"工作。     

单向陶瓷基复合材料任意应力本构行为快速计算方法

为了实现快速预测陶瓷基复合材料(CMCs)任意应力加卸载作用后的损伤状态和本构行为,对CMCs任意应力加卸载力学行为进行研究。提出了任意应力加卸载曲线简化方法,得到仅包含决定CMCs损伤状态的等效载荷曲线。基于剪滞模型,直接给出CMCs在等效载荷曲线作用后的滑移区分布,避免对载荷曲线的逐点计算。进而预测了材料的损伤状态和应力应变行为。将原始加卸载曲线带入剪滞模型,计算CMCs滑移区分布和应力应变,并与本文提出的方法进行比较,结果表明,两种计算方法计算的结果一致,说明了本文提出的载荷曲线简化方法和滑移区分布计算方法是可行的。     

疲劳载荷下单向陶瓷基复合材料界面摩擦力识别

为了确定疲劳加载过程中不同循环数下界面摩擦力的大小,对单向陶瓷基复合材料(CMCs)的疲劳迟滞行为进行了研究,提出了单向CMCs疲劳载荷下界面摩擦力识别方法。基于剪滞模型,确定了疲劳峰值和谷值应力下纤维应力分布。并基于数形结合的方法推导了迟滞环割线模量的理论值与界面摩擦力之间的函数关系。将迟滞环割线模量的实验值与理论值进行比较,识别了不同循环数下界面摩擦力的大小。结果表明,在前1000个循环内,界面摩擦力从9.89MPa 减小为5.28MPa,并在随后的循环内保持近似不变,说明疲劳过程中界面磨损主要发生前1000个循环内。     

基于单向陶瓷基复合材料拉伸曲线的细观力学参数识别

为了确定陶瓷基复合材料组分材料的细观力学参数,对陶瓷基复合材料拉伸曲线与细观力学参数之间的关系进行了研究,提出了基于单向陶瓷基复合材料拉伸曲线的细观力学参数的识别方法。单向陶瓷基复合材料典型的拉伸曲线可分为三段:初始线性段、过渡段以及第二线性段。基于剪滞模型,建立单向拉伸曲线初始线性段的斜率、第二线性段的斜率以及截距的表达式,并将理论值与实验值进行比较,从而识别出细观力学参数。最后将识别出的细观力学参数带入剪滞模型,并预测SiC/SiC单向陶瓷基复合材料的轴向拉伸应力应变曲线。预测结果与实验吻合很好,说明该细观力学参数的识别方法是可行的。同时采用另一种方法测量纤维弹性模量。两种方法的测量偏差小于5%,进一步证明了本文方法是合理的。     

四氧化三铁／导电聚苯胺纳米核-壳复合材料吸波性能预测

从经典的Maxwell-Garnett公式出发,在考虑颗粒间相互作用的情况下,推导具有核-壳结构的四氧化三铁/导电聚苯胺球形填料复合体系的等效电磁参数的计算公式。数值分析结果表明,随着填料占空比的增加,表征颗粒周围媒质的磁导率μh的值越大,并且随频率的下降速度比低占空比的情况缓慢。在核壳比不同的情况下,复合材料的等效电磁参数产生超交换作用的电磁耦合共振现象,从而使2mm厚的吸波涂层在填料核壳比为0.6时的吸波效能达到最大,并随着填料占空比的增加,反射率的峰值增大且向低频处移动。优化结果表明,占空比为0.3时的四层吸波复合结构具有最佳的吸波效能,其反射率的最小值达到-62dB。     

国航获选《商旅（亚太）》“中国最佳航空公司”

日前．由世界知名旅游杂志《商旅（亚太）》举办的2008年度“《商旅（亚太）》读者调查”结果揭晓．中国国际航空股份有限公司在《商旅（亚太）》“中国最佳航空公司”评选中再度折桂．国航副总裁刘培志代表国航从香港港丽酒店举办的颁奖盛典上捧杯而归．此次获奖已是国航连续第三年获此殊荣。     

基于残差学习的自适应无人机目标跟踪算法

无人机已被广泛应用于军事和民用领域，目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题，提出一种基于残差学习的自适应无人机目标跟踪算法。首先，结合残差学习和空洞卷积的优点构建深度网络提取目标特征，同时克服网络退化问题；其次，将提取的目标特征信息输入核相关滤波算法，构建定位滤波器确定目标的中心位置；最后，根据目标外观特性的不同进行自适应分块，并计算出目标尺度的伸缩系数。仿真实验结果表明:所提算法能够有效应对尺度变化、遮挡等情况对跟踪性能的影响，在跟踪成功率和精确度上均高于其他对比算法。      

基于多尺度深度学习的自适应航拍目标检测

无人机已经被广泛应用到各个领域,目标检测成为无人机视觉领域关键技术之一。针对无人机图像中场景复杂、尺度多变、小目标丰富等问题,提出了一种基于多尺度深度学习的自适应航拍目标检测算法。首先,构建自适应特征提取网络MSDarkNet-53,引入多尺度卷积方式,采用不同类型卷积核对不同尺寸目标进行运算,有效扩大感受野。其次,结合注意力机制的优点设计卷积模块,自适应优化特征权重,增强有效特征,抑制无效特征,得到表征能力更强的特征。最后,构建基于多尺度特征融合的预测网络,根据小目标的特点,选取多层级特征映射融合成高分辨率特征图,在单一尺度上进行目标分类和边界框回归。实验表明：本文算法提升了无人机图像的目标检测精度,具有良好的鲁棒性。