存款保险制度的博弈分析

银行业在一国经济活动中具有特殊地位,银行破产将会给一国的经济发展造成很大的负面效应,有效防范和化解金融风险是一国金融体系稳定运行的重要保证.本文从博弈论的角度来分析存款保险制度的作用,指出存款保险制度有利于银行业的稳定和系统性金融风险的化解.     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation,eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor,ASF）值通过网格应用算法得到待测试点的ASF值,一定程度上比公式计算的ASF值更准确。在计算过程中,用户四个顶点ASF值的测量误差会传递给用户,同时内插算法本身也会引入误差,此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法,得出结论：反距离插值算法引入的误差最大,双线应插值算法引入的误差最小,而且误差呈现一定层次感,网格从内到外误差逐渐减小。     

地外人工光合成装置研制与试验

原位资源利用技术是地外生命保障体系构建、实现人类地外生存的有效途径,是载人深空探索的核心技术。基于微通道技术的人工光合成反应器,采用流动反应器设计,用于低微重力等特殊环境条件下模拟人工光合作用,实现CO２向O２和含碳燃料的转化。微通道芯片通过气液剪切作用力使气体反应产物快速脱离电极表面并随反应介质排出反应器,理论上可以克服微重力条件对反应过程的影响,尚需进行微重力试验进行验证。同时,微通道结构可以通过精确控制反应气液的压力、流速、流量比等反应条件,获得优化的反应条件。通过地面试验,验证了该反应器将CO２还原为O２和含碳化合物的功能可行性。以Au和Ir/C作为阴极和阳极材料,3V电压条件下,O２产率可达11.74mL/h。此外,基于人工光合成反应器搭建了集反应模块、控制模块、流路驱动模块以及检测模块等于一体的地外人工光合成装置,形成原位反应、介质供给、精确控制、在线收集和检测等功能一体化的系统,并实现CO２有效转换和O２供给。为后续技术成熟度更高的反应装置研制、高产物选择性的含碳化合物转化以及人工光合成反应装置在轨试验奠定了理论和实践基础。     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合,小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求,提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法,两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束,具有良好的鲁棒性。     

中红外激光在光电对抗领域的应用及进展

近年来为有效对抗先进的红外制导武器的威胁,先进的红外对抗手段和方式不断推陈出新。其中利用中红外激光辐射致盲、致炫和毁伤的手段可以有效地对抗红外制导武器的威胁。为此本文重点介绍了中红外激光在光电对抗领域的应用;然后,对中红外激光光源和分类及其原理进行了阐述,并介绍了美国和俄罗斯在中红外光电对抗的系统领域的发展现状;最后,对中红外（3-5μm）光电对抗的应用发展和未来的趋势进行了总结,并对化学、气体和固体中红外激光光源的应用进行了展望。     

UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题,将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先,在简述脉冲星导航可行性的基础上,研究了脉冲星自主导航系统的基本原理和实施方案。然后,根据牛顿二体引力模型构建了航天器运动状态方程,根据脉冲到达时间模型建立了系统观测方程,并对二者进行了误差分析和建模。最后,将UKF算法应用于航天器自主导航过程中,仿真结果表明该方法能够实现航天器自主导航信息的解算。     

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.     

航天器故障诊断与容错控制技术研究综述

详细综述了航天器故障诊断与容错控制的研究进展。重点从基于模型的方法、基于数据的方法和基于知识的方法三个方面分别阐述了航天器故障诊断技术的研究进展,并且总结了航天器容错控制技术的研究现状,然后介绍了国内外的一些相关技术项目的开展情况,最后对未来可能的发展方向进行了探讨。