以全寿命周期集成的航空武器装备项目风险管理体系研究

本文以霍尔系统理论为指导,从知识维、逻辑维和时间维角度建立了以项目全寿命周期集成的风险管理三维体系,并讨论了其在航空武器装备项目风险管理中的应用。     

航空武器装备全寿命周期风险评估方法比较与改进

 针对航空武器装备全寿命周期风险的特点, 对评估方法做了适用性比较和选择性研究, 给出了各阶段风险评估方法的选择方案。依据灰色系统理论提出了一种改进的评估方法) ) ) 多层次灰色评估方法, 建立了评估模型, 给出了算例, 本方法具有样本点少、精确度高的特点。     

视频序列中的人脸检测算法

根据视频序列的特性,首先采用背景差分法提取视频中的运动区域,之后对检测的运动区域采用对数扩展的方式调整光照的影响。采用基于YCbCr颜色空间的肤色模型进行检测得到人脸候选区域,并采用一定的阈值去除小的非人脸的区域,再通过在人脸候选区域检测眼睛位置,利用人脸几何特征精确定位人脸。实验表明,该方法提高了检测速度,降低了误检率,可以应用在视频监控等实时系统中。     

基于DO-254的复杂电子硬件开发及适航审定过程符合性研究

当前,民用航空器中的机载电子硬件的复杂度逐渐增加,设计过程中产生的错误无法再通过穷举验证等方法被发现和纠正。为了避免其导致的安全性问题,必须采取规范化的开发流程,同时符合适航审定的要求。本文从适航性的角度分析了适航审定基础和符合性方法之间的关系,以及将DO-254作为符合性方法对适航审定的意义。另外,本文基于DO-254和其他相关标准文件,明确了对机载电子硬件中的简单电子硬件（Simple Electronic Hardware, SEH）和复杂电子硬件（Complex Electronic Hardware, CEH）区分方法,分析了以现场可编程门阵列（Field Programmable Gate Array,FPGA）为代表的CEH的硬件生命周期及其关联过程,建立了符合DO-254的FPGA硬件设计过程,探讨了硬件生命周期内和适航审定过程中可能存在的问题和解决措施,为实际工程提供一定的参考。     

高速风洞级间分离轨迹模拟试验技术

针对多级航天器级间分离研究的地面试验需求,在高速风洞中发展了能够同时模拟前、后级运动的级间分离试验技术。利用风洞的上、下迎角机构,配置电机、传动系统和控制系统,建立了可变迎角和x向位移的上驱动机构,以及可变迎角、x向位移和y向位移的下驱动机构。分别将多级航天器的前、后级模型及测力天平与风洞上、下驱动机构连接,在级间分离计算机控制下,可开展前级迎角、后级迎角、前后级x向和y向相对位置协同模拟的轨迹模拟试验。调试和应用结果表明:上驱动机构可实现迎角–15°～15°、x向0～200 mm范围内的受控运动;下驱动机构可实现迎角–11°～49°、x向0～680 mm、y向0～507 mm范围内的受控运动;系统可用于常规测力试验、投放试验、网格测力试验和轨迹捕获试验。     

天基边缘计算系统设计及关键技术

卫星具有覆盖范围广、抗灾害性强等特点,随着卫星研制与发射成本的不断降低,推动卫星与地面移动通信网络、物联网(IoT)、云计算中心深度融合,构建天地一体化网络和应用架构,已成为航天发展的重要方向。随着地面多用户、大数据量的接入,亟须开展卫星在轨数据处理技术相关研究,提升卫星的在轨服务能力和质量。本文提出了对卫星计算资源进行整合,构建天基边缘计算系统,并提出了天基边缘计算的3种资源管理策略和4种平台部署协同模式。此外,对天基边缘计算的优势和还需解决的关键技术进行了分析,并搭建了天基边缘计算原型系统,对不同计算卸载策略性能进行了分析。     

遗传算法在大型降落伞气动力参数辨识中的应用

针对大型降落伞气动力参数辨识中观测值难以获取的特点,提出利用遗传算法和少量 观测信息对降落伞全张满后运动形式稳定时气动参数进行辨识的方法并建立了相关模型。仿 真结果表明,遗传算法适合此类问题的求解且精度较高。还针对某型号飞船降落伞回收 系统的大型环帆伞进行气动力辨识,利用辨识参数值计算的观测值和录像分析的结果基本吻 合,表明本文提出的研究方法可应用于实际工程问题。
     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。