宽频谱表面轮廓形貌干涉检测技术进展

中国先进制造业发展很快.其中,光学元件制造向尺度愈来愈大(单体直径达数米)和愈来愈小(尺度在微纳米量级)极端方向发展,对非接触式光学检测技术带来新的挑战,本文以光学表面宽频谱轮廓形貌的检测技术及仪器为例,分析国内外的发展概貌与趋势,展现了中国自主研发的系列光学干涉检测仪器成果,对于解决卡脖子问题,具有科学意义.     

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。     

考虑机场场面滑行的停机位指派研究

合理高效的停机位分配能提高机场运行效率和旅客满意度。首先,以旅客步行时间、航空器进/出港滑行时间最短为目标函数,增加同一航空公司的航空器集中停靠约束建立模型。之后设计禁忌搜索算法,以上海浦东国际机场为对象开展实例分析,对比机场原始停机位指派方案,旅客步行时间、进/出港滑行时间分别减少5.04%、25.28%和6.36%,并进行权重灵敏度分析,建议旅客步行时间权重不超过0.7。最后,基于Flexsim设计仿真实验,进/出港滑行时间和冲突次数均减少,可接受延误水平下滑行系统服务航班量增加3.30%,进/出港最大滑行延误时间减少9.09%和2.94%。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

小卫星侦察星座性能评估研究

针对小卫星侦察星座性能评估问题,从覆盖、成本和弹性三方面对小卫星侦察星座的性能指标进行研究,分别构建了考虑存储容量约束的覆盖能力评估模型、成本估计模型以及弹性能力评估模型。在覆盖能力评估模型中,将卫星存储容量作为约束条件,结合卫星覆盖几何模型分析了卫星对地侦察的工作条件,提出考虑存储容量的覆盖指标计算方法;通过小卫星成本模型(small satellite cost model,SSCM)对星座各分系统的成本进行估计;在弹性评估模型中,提出了星座性能损失率指标,并根据星座失效状态概率函数确定了不同失效状态下星座性能损失率的权重。将上述模型应用于SkySat和吉林一号星座的性能评估过程中,结果表明SkySat比吉林一号覆盖能力强、成本低,弹性差。提出的三个模型可用于评价星座优劣,为小卫星侦察星座的建设和性能评估工作提供参考。     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

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.     

飞秒激光系统图像调焦装置以及方法

飞秒激光直写技术在复杂三维微结构加工领域具有显著优势,而调焦是否精准直接影响了所加工结构的完整度.提出了在光路中临时置入调焦光源和物的图像调焦技术,通过调节物的位置使其成像面与激光聚焦面一致,从而通过清晰可分辨的成像状态间接反映激光聚焦状态.利用Zemax软件模拟分析了原飞秒激光光路与加入调焦光源和物的调焦光路,二者可实现相同加工物镜后工作距离与良好成像质量,证明了该方法的可行性.通过分析得到该过程的成像误差主要由成像镜头焦深(3.9 μm)引起,我们获得的理想调焦精度可达到1/2焦深以内.设计了单层高度为5 μm的二层圆柱结构,通过多次实验验证了所加工元件高度误差在1.5 μm范围以内,与理论分析一致,满足飞秒激光系统的调焦要求.     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域,基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储,难以在无人机等嵌入式平台上进行部署。针对此问题,将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中,并提出了一种可充分利用硬件计算资源的FPGA加速器,其整体平均性能为65.6GOPS。与其他相关工作的对比表明,低比特量化方法及其FPGA加速器实现,可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。