Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

微小卫星临近操作仅测距初始相对定轨解析方法

针对仅有相对距离测量信息的近圆轨道航天器近程交会问题,首次提出一种基于传感器偏离航天器质心安装杆臂效应的解析初始相对定轨算法,解决了仅测距定轨存在镜像解的模糊性问题。首先给出了仅测距定轨模糊性的数学解释,然后基于Clohessy-Wiltshire动力学模型和传感器偏心安装的杆臂效应推导了仅测距信息情况下的初始相对轨道解析解,并给出系统能够去模糊的传感器安装条件。最后通过无误差仿真验证了所提算法的有效性,通过误差情况下的Monte Carlo仿真分析了算法的定轨性能。仿真结果表明所提算法有效,在满足传感器偏心安装条件下能够实现较为精确的初始相对定轨。     

战略导弹测试发射控制系统的发展和导弹模拟器的应用

战略导弹武器系统采用了快速机动使用方式,控制系统实现了全数控方案,地面各种勤务工作的设备做到了智能化.对地面测试发射控制系统的需求发生了变化,测控系统采用了"弹测"和"地测"相结合,以地面计算机控制为主的体制,采用了分布式计算机网络结构方案,自动化测试系统在"三化"方面也有很大进展.测控系统功能扩大了,系统更为复杂,测控软件在配套设备中的份量越来越大,越显重要,测控系统自检尤其是测控软件的测试尤显突出,文中提出采用导弹模拟器解决测控系统自检和测控软件测试问题,还可作为部队模拟训练装置,提出导弹模拟器的组成和设计方法以及使用问题.     

空间碎片软捕获姿轨控模型构建与仿真

为构建利用柔性机械臂捕获空间碎片的系统仿真模型,首先分析梳理空间碎片捕获典型任务流程,包括轨道转移、位置保持、路径规划、动量稳定控制等阶段;然后针对任务流程分别搭建基于Simu Link的路径规划、动量缓冲控制、姿态控制、动力学和轨道仿真等子系统;各个子系统之间以TCP/IP的方式进行数据交互,最终完成空间碎片软捕获任务姿轨控仿真系统的构建。     

一种多级全固体运载火箭上升段自主制导方法

针对多子级全固体运载火箭在终端多约束下的耗尽关机制导问题,设计了一种基于“助推-滑行-助推”飞行模式的真空段自主制导方法。根据轨道动量矩守恒定律,推导出一种同时具有速度和位置矢量约束的定点制导算法(PA)。在PA理论基础上,建立了满足能量匹配的滑行轨道非线性方程组并降阶至一维迭代求解,解决了多级固定总冲约束的两点边值问题。蒙特卡洛仿真结果表明：该算法对固体运载火箭模型的参数偏差和不确定性具有强鲁棒性,并对多终端轨道任务(不同轨道高度和不同载荷质量)具有较强的自适应能力,因此该算法具有重要的理论意义和工程应用价值。     

空间站对日定向装置半物理试验台关键技术

为有效模拟空间站对日定向装置驱动性能受柔性太阳翼的扰动,验证对日定向装置驱动控制性能,采用半物理试验技术对对日定向装置进行地面试验考核。设计超高刚度及运动误差无附加力自适应的半物理试验台,对支撑连接机构和加载单元进行有限元分析与刚度测试;建立大尺度柔性太阳翼的动力学模型,并采用Wilson θ法进行动力学模型的实时数值求解;运用跟踪微分法对对日定向装置低速运行下的角速度和角加速度进行估计;最后通过对半物理试验台的响应精度、加载有效性进行仿真和试验考核,结果表明试验台加载力矩幅值为 0~ 85 Nm、频率为0.01~3 Hz时,绝对精度优于0.85 Nm,相对精度优于1%,从而验证了半物理试验台对太阳翼扰动载荷模拟的真实有效性,可实现对日定向装置的性能测试。     

星-地混合通信网络前向链路安全传输方案研究

针对星-地混合通信网络前向链路在部分非理想信道状态信息(CSI)及非理想CSI下卫星窃听链路的安全问题,提出一种将地面基站信号作为协同干扰的安全传输方案。优化目标为地面基站节点传输速率最大,确保卫星合法节点接收信号质量,同时利用地面基站发送信号阻塞卫星潜在窃听节点对卫星信号的侦听。通过半定松弛原理将其转化为可解的凸优化问题,分别设计分层迭代、高斯随机化和二分搜索算法对问题进行优化求解。仿真校验结果表明,所提方案能够降低网络对CSI误差的敏感性,提高网络的可靠性和保密性。     

基于神经网络的机动飞行器自适应控制方法

针对机动飞行器强耦合性、快时变性以及高不确定性的问题,建立了六自由度刚体运动数学模型,按照时间尺度将姿态运动模型分为快变子系统和慢变子系统并分别设计动态逆控制律。然后给出了神经网络自适应控制器的设计方法,对神经网络的逆误差补偿原理、输入的选择、权值矩阵更新规则进行分析。通过算例进行六自由度仿真,证明本文方法的跟踪精度较高。     

周期平均控制下固定翼双旋弹角运动特性分析

针对应用在固定翼双旋弹上的一种周期平均控制方法,通过对弹体修正组件滚转角进行傅里叶变换,得到了双旋弹在周期平均控制下角运动方程的模型,进而分析了周期平均控制下固定翼双旋弹的角运动响应,并根据双旋弹角运动特性和执行机构的性能限制给出了周期平均控制角频率的设计方法。引进2种具体的周期平均控制方案作为分析对象,并通过六自由度弹道仿真进行了验证。结果表明,对固定翼双旋弹角运动响应的分析能够反映周期平均控制的特性,周期平均控制角频率的设计方法可以设计出合理的角频率。     

基于HIL的车用电机控制器故障保护策略测试

随着新能源汽车电控系统的发展以及复杂度和集成度的提高,整车故障保护策略已成为软件开发的重要组成部分之一,但测试难度较大且风险较高,尤其针对电机控制系统,传统的台架和实车测试往往不能满足需求。通过对电机控制系统故障保护策略及硬件在环(HIL)测试方案的介绍,并结合dSPACE仿真系统,针对车用电机控制单元搭建了信号级HIL仿真测试平台。借助上位机实时模拟电机不同故障工况,并进行试验和测试结果的分析,验证了电机控制器故障保护策略的正确性,同时体现出HIL测试方法的优越性。