基于A2C算法的低轨星座动态波束资源调度研究

巨型低轨星座为载人飞船、空间站、遥感卫星等用户航天器提供低时延、大容量的通信通道存在波束资源分配优化的难题。针对采用离散时间的深度强化学习A2C(advanced actor-critic)的智能优化框架进行了研究，结合遗传算法中个体和基因概念、形成了可有效满足多用户、动态、并发接入需求的波束资源调度算法。基于仿真分析，提出的算法可在多种典型场景下具有适用性，支持在20 s内完成超过3 000个任务的有效规划，任务成功率不低于91%。通过算法优化实现复杂度的降低，相对传统遗传算法可节约时间45%以上。同时对传统A2C算法框架中的收敛问题进行了优化，解决了传统全连接A2C算法无法收敛的难题，同时相比DQN(deep q-network)算法框架收敛速度提升38%以上。     

遥感图像语义分割的空间增强注意力U型网络

针对基于深度学习的语义分割模型在解析遥感图像时，小尺寸目标和目标边界存在分割不准确的问题，提出一种U型网络模型SGE-Unet。该模型通过优化网络结构加强模型的特征提取能力；融合空间组增强注意力，提升模型对上下文语义信息的解析能力；采用中值频率平衡交叉熵损失函数抑制类别分布不均衡的影响。在2个数据集上进行实验，SGE-Unet的整体准确率、平均交并比、■分数和Kappa系数均高于主流模型，Vaihingen数据集中小尺寸目标车的交并比和F₁分数分别为0.719和0.901，比次优模型提升了16%和11%，实验结果表明所提模型能更精准地分割小尺寸目标及目标边界。     

航空发动机0Cr18Ni9 不锈钢导管数控弯曲回弹规律

为了有效地解决航空发动机导管弯曲成形时的回弹问题，开展了0Cr18Ni9不锈钢管数控弯曲工艺试验，采用单一变量 法研究了管径、壁厚、相对弯曲半径、弯曲角对回弹的影响规律，并通过数值仿真和正交试验法分析了弯曲速度、弯模间隙等工艺 参数，以及弹性模量、屈服强度、硬化指数对弯曲回弹角的影响。结果表明：回弹角与弯曲角呈显著的线性关系，当弯曲角在180° 以内时，回弹角为1.6°~6.0°；建立了回弹角预测线性方程，预测误差在[-0.425°，0.502°]内的概率为99.74%，并基于此方程开展了全 尺寸导管的回弹角预测和补偿工艺试验；在各工艺参数中弯曲速度和弯模间隙对回弹角的影响较大，可引起大于0.5°的偏差，而 因材料参数变化导致的回弹角变化不超过0.05°。