基于深度自编码器的PRI调制方式识别的一种新方法

脉冲重复间隔(PRI)是雷达信号调制的重要参数,也是雷达信号分选的重要组成部分,对分选出的每个雷达脉冲序列的PRI调制特性进行分析,一方面有助于解决参数模糊问题,提高信号分选的可靠性;另一方面,PRI调制形式反映了雷达信号的某些特性,对PRI调制类型的正确识别将有助于推定雷达的用途与性能,实现辐射源识别.针对此问题,提...     

变形飞行器深度强化学习姿态控制方法研究

针对变形飞行器动力学模型非线性强、不确定性大,以及变形引起模型变化范围大的问题,基于双延迟深度确定性策略梯度算法提出了一种深度强化学习姿态控制方法。首先,基于多刚体系统建立了变形飞行器动力学模型,然后在马尔可夫决策过程的框架下设计了算法所需状态空间、动作空间以及奖励函数,通过在状态空间中引入姿态跟踪误差历史信息,进一步提高了控制精度,并将策略网络与传统PD控制结合形成复合控制器,提高了算法训练效率,最后通过数学仿真验证了深度强化学习控制策略对变形过程模型不确定性与外界复杂干扰的强鲁棒性,以及对不同变形指令的强适应性。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

裸眼立体显示关键技术研究与发展

分析裸眼立体显示技术的发展状况,显示原理、关键技术及发展趋势。重点介绍了裸眼立体显示技术中的关键技术,包括3D内容获取与处理、编解码、视合成及显示等部分,最后提出裸眼立体显示技术的发展趋势。     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

通信信号智能调制识别对抗攻击研究

基于深度学习技术的通信信号调制识别算法由于其优秀的特征提取能力,极大地提升了调制识别任务的精度,但是对抗样本特性的存在,导致基于深度学习的调制识别模型的安全性受到了极大威胁,通过在训练好的调制识别网络中添加设计好的特定微小扰动,就可以使得调制识别模型完全失效。研究了基于深度学习的调制识别模型及其对抗样本攻击方法,提出一种基于快速梯度符号法的定向扰动生成方法,该方法在扰动和原始信号功率比为-21 dB的条件下,针对11类常见的不同调制种类的通信信号生成扰动,实现对通信信号调制识别模型的定向攻击,为智能调制识别模型的攻防对抗提供参考。     

基于深度神经网络的无限时域型航天器追逃策略求解

航天器追逃博弈是当前航天领域的一个研究热点,传统上多采用微分对策来获取追逃双方的最优控制策略,但是方法求解复杂、计算量大,难以满足复杂任务和对抗类任务的实时性要求。随着机器学习技术的发展,利用深度神经网络结构实现全部或部分的在线决策成为可能,因此研究了基于深度神经网络生成无限时域型追逃博弈最优控制策略问题。首先基于CW方程建立追逃博弈相对运动模型,采用微分对策理论得到追逃最优控制策略,得到训练数据集和测试数据集;基于TensorFlow环境搭建了4层神经网络,采用Adam优化算法对网络进行训练。仿真结果表明,经过训练的深度神经网络生成的控制策略与传统方法的策略基本一致,虽然长时间追逃的控制差异逐渐增大,但变化趋势相同,说明利用深度神经网络生成航天器追逃博弈的机动策略是有效的。     

低温推进剂深度过冷加注技术研究及对运载火箭性能影响分析

介绍了运载火箭深度过冷加注技术国内外研究现状,分析了深度过冷加注对火箭性能影响。经分析显示,深度过冷加注在降低增压系统规模、减小贮箱容积需求、降低贮箱壁厚、提高发动机预冷适应性、提高推进剂整体品质及发射适应性、缩短加注发射流程等方面均有明显作用。提出了实现深度过冷加注的关键技术及主要技术方案设计。     

一种深度强化学习制导控制一体化算法

研究了一种基于深度强化学习理论的制导控制一体化算法。不同于传统的制导控制一体化算法和制导控制回路分开设计的方法,基于深度强化学习理论的制导控制一体化算法利用深度学习强化算法生成一个智能体,智能体根据导弹的观测量生成舵偏角控制指令准确拦截目标。首先将制导控制问题转化为一个马尔可夫决策过程,然后提出了一个权衡制导精度、能量损耗和飞行时间的奖励函数,将制导控制问题转化到强化学习问题的框架中。最后采用深度确定性策略梯度算法,求解提出的强化学习问题,训练得到制导控制智能体,智能体根据导弹观测量生成舵偏角指令。通过进行大量的数值模拟,验证了提出的制导控制一体化算法的有效性和鲁棒性。     

基于Q-Learning的深度神经网络自适应退避策略

针对无人机自组织网络,结合Q-Learning和深度神经网络,提出一种自适应退避策略,以提高基于竞争的MAC协议通信性能.以Matlab为仿真平台,仿真比较了自适应退避策略与二进制指数退避策略的性能.     

抛石挤淤强夯置换处理软基置换深度研究

置换深度是抛石挤淤强度置换处理软基加固效果评价的重要指标。通过对现有置换深度预测方法的比较及我国南、北方沿海软土工程力学性质的比较,得到适合曹妃甸沿海软基的置换深度及相关参数。     

大雪袭击机场 滞留旅客千人 民航气象部门提供优质服务

2004年12月19日，受锋面和暖湿气流的共同影响。沈阳桃仙机场出现了入冬以来多年不遇的大风雪天气，降雪时间从清晨3时35分持续到下午14时35分．降雪量为7．5mm，积雪深度为15cm，最低能见度40m．阵风16mps，致使桃仙机场关闭11小时，110架航班受阻(70余架航班被延误，40余架航班被取消)，因大雪延误行程的旅客大约有3千多人，     

基于深度学习的空间站舱内服务机器人视觉跟踪

为提升舱内跟随服务机器人的任务辅助能力,解决机器人对航天员的视觉跟踪问题,提出了一种基于深度学习和概率模型的人体视觉跟踪算法。利用深度卷积神经网络实现了对穿着多样、姿态任意人体的稳定检测。结合人体检测结果,设计了运动预测概率模型,实现了对指定人员准确、连续的跟踪。算法对包含大多数航天员活动的多个数据集进行了验证。实验结果表明:提出的跟踪算法实现了对穿着多样、姿态任意人体的稳定跟踪,并有效避免了由于穿着相似、遮挡可能造成的误跟踪问题。该算法为空间站舱内跟随服务机器人对航天员的视觉跟踪提供了有效的解决方法。算法基于融合的RGB-D图像,工程上易于构建和实现,也可拓展到其他跟随服务机器人视觉跟踪任务中。     

针刺炭布/网胎复合织物的组分形态及性能研究

将T-300炭纤维平纹布和聚丙烯腈（PAN）预氧化纤维网胎预复合,接力层叠、针刺、炭化后制备了炭布/网胎复合织物.在分析复合织物组分形态的基础上,研究了针刺深度和针刺密度对复合织物性能的影响.研究结果表明,随针刺深度增大,复合织物密度增大,X-Y向和Z向拉伸强度均存在极值;随针刺密度增加,复合织物X-Y向拉伸强度下降,而复合织物密度和Z向拉伸强度则存在极值.     

空间碎片对航天器的撞击效果分析

空间碎片的急剧递增对航天器的安全运行构成了巨大的威胁.文章分析了空间碎片研究的现况,通过建模对空间碎片撞击的效果进行分析,并从撞孔、撞击裂缝以及穿透深度三个方面来论述空间碎片对航天器的破坏作用.     

基于量纲分析法对强夯加固深度的研究

影响强夯加固范围的主要因素有夯击能、夯锤面积、夯击次数、土体性质等,在分析这些影响因素的基础上,采取量纲分析的方法,建立了路基强夯加固的深度方程,并考虑土体的级配与含水量修正系数,建立了强夯加固深度的计算公式.最后和工程测试的有效加固深度进行对比,表明该公式与实际测试结果较为符合,证明该公式的有效性和可信性.     

变深度水下发射系统内弹道实验研究

利用变深度水下发射模拟实验装置开展了变发射深度和发射速度条件下导弹发射系统内弹道研究。建立了描述缩比模型弹在发射筒内运动规律的简化模型,并提出了基于实验结果的运动方程求解方法。通过实验结果分析获得了模型弹的运动摩擦系数和发射速度,并利用高速摄影测量结果对获得的发射速度进行了验证。建立了运动摩擦系数和发射速度的数值拟合关系。结果表明,运动摩擦系数与发射速度呈反向变化规律,并且存在影响运动摩擦系数变化速率的临界发射速度,当发射速度小于临界值时运动摩擦系数变化剧烈,发射速度临界值为18～20 m/s。