基于倒置残差注意力的无人机航拍图像小目标检测

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和深层语义信息,提升小目标的检测精度;在特征融合部分设计多尺度特征融合模块,融合浅层空间信息和深层语义信息,并生成4个不同感受野的检测头,提升模型对小尺寸目标的识别能力,减少小目标的漏检;设计马赛克混合数据增强方法,建立数据之间的线性关系,增加图像背景复杂度,提升算法的鲁棒性。在VisDrone数据集上的实验结果表明：所提模型的平均精度均值比DSHNet模型提升了1.2%,有效改善了无人机航拍图像小目标漏检、误检的问题。     

液体火箭发动机推力自动校准系统仿真

针对液体火箭发动机原位校准高准确度的要求,介绍了一种以伺服电机为执行部件,基于液压传动力值自动加载装置,阐述了该系统的结构和工作原理。建立系统数学模型,通过Matlab和AMEsim搭建了系统的仿真模型,在分析影响模拟推力加载准确度和稳定性的基础上,设计了模糊PID控制器。仿真结果表明:所设计的力值加载系统能够完成力值精确加载,(0~6)kN力值加载时间小于30 s,加载力的示值最大误差为±0.05%,满足校准力值加载需求。证明了在力值加载系统中引入模糊PID控制算法,可以有效补偿系统中的不确定性扰动,增强系统的鲁棒性。     

离子电推进系统电源处理单元的数字化设计

为了降低航天器的质量,提高使用寿命,满足商业航天小卫星电推进系统需求,概述了电源处理单元(power processing unit, PPU)数字化设计的需求及屏栅电源设计方案,针对电源处理单元的高精度、高稳定性、快速响应的要求,采用BUCK方案和全桥电路设计屏栅电源。以STM32微控制器为核心设计数字化加热电源和屏栅电源,实现卫星平台/地检设备的数据采集遥测,电源输出电压参数的改变。实验结果表明：三个数字化电源的控制精度均小于3%,数字化控制的电源处理单元具有灵活调整的特点,能够有效减少控制板体积。     

涡轮叶片的网格参数化方法及其寿命可靠性优化

涡轮叶片的寿命可靠性优化对保障发动机安全,提高发动机使用寿命具有重要意义。传统的确定性优化由于没有考虑不确定性因素的影响,其结果往往导致结构可靠性低,严重威胁发动机的安全。针对复杂的含气膜孔几何变量的涡轮叶片几何构型,提出局部参数化网格变形方法,在关注的叶片前缘部分采用六面体网格,并利用局部网格变形法实现其参数化变形,其他部分采用四面体网格,以缩短其网格划分时间,提高其网格划分效率。所提方法实现了不确定条件下的含气膜孔几何变量涡轮叶片的寿命可靠性优化,在满足可靠性约束和几何约束的条件下,使得涡轮叶片基于不确定性的寿命均值提高了18.36%。     

基于两级滑模控制的多移动机器人映射领航编队控制策略

针对低通信负载下的多移动机器人编队控制进行研究。通过坐标变换和引入侧滑增量定义了非完整约束轮式移动机器人的运动学模型,显式满足纯滚动条件。提出领航编队控制策略,通过领航者对跟随者的单向通信和映射领航者规划,将系统编队问题转换为新模型下的分布式一致性控制问题。针对跟随者的转速与线速度设计了2级指数趋近滑模控制器,实现相对于领航者轨迹误差的快速收敛,并通过Lyapunov理论对控制器进行稳定性分析。数值仿真表明：所提策略可以满足多移动机器人队形保持和队形变换的任务要求,验证了理论分析的正确性和有效性。     

多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时,存在特征提取不足及细节重构丢失等问题,提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息,增强特征关联性;采用自注意力机制及特征融合模块构建多尺度特征生成器,以获取丰富的上下文信息,提升网络的修复能力;引入最小化对抗损失与均方误差促进判别器的残差反馈,从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明,所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息,并且主观视觉效果及客观评价指标均优于比较算法。     

基于组合优化算法的空面导弹全空域弹道优化

针对空面导弹全空域弹道优化问题,提出基于多岛遗传算法和序列二次规划法的组合优化算法,充分发挥多岛遗传算法对初值不敏感、全局收敛性强及序列二次规划法收敛速度快、精度高等特点。采用代理模型技术,在保证拟合精度的前提下,极大的降低了全空域弹道优化的计算量。算例结果表明：组合优化算法收敛速度较快,可以得到高精度的全局最优解;代理模型拟合精度较高,可以满足工程要求;且优化结果和所建立的代理模型可以为全空域制导律设计提供有力的支撑。     

基于Transformer模型的滚动轴承剩余使用寿命预测方法

准确的滚动轴承剩余使用寿命(RUL)预测对保证机械安全运行和减小维修损失起着至关重要的作用。为提高滚动轴承RUL预测准确率,提出一种基于Transformer模型的轴承RUL预测方法,充分利用其自注意力机制与编码器-解码器结构的优势,解决轴承RUL预测中序列过长而导致的记忆力退化问题,挖掘出输入特征与轴承RUL之间复杂映射关系。同时,采用三角函数变换与累积变换来修正输入特征的单调性与趋势性,使其能更好地表征滚动轴承的退化过程。在PHM2012数据集上的实验结果表明：所提方法相比于对比方法平均绝对误差分别降低了9.25%、28.63%、34.14%,平均得分分别提高了2.78%、19.79%、29.38%;在XJTU-SY数据集上的实验结果表明,所提方法相比于对比方法均方根误差降低了17.4%,平均得分提高了18.6%,进一步证明了其可行性与优越性。     

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题,提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束,建立集群的动态交互图,通过引入二维网格状态特征编码的方法,构建维度不变的智能体观测空间;采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构,分别设计策略网络和价值网络的状态空间和动作空间,定义收益函数;构建编队集结仿真环境,经过训练,所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中,均能成功实现快速集结,其灵活性和鲁棒性得到验证。     

超机动导弹的神经网络控制系统

 研究了应用于具有超机动能力的导弹的非线性神经网络控制系统.利用神经网络可以任意逼近非线性函数的能力,来学习超机动导弹在大迎角状态下的高度非线性动态特性的逆动态特性,得到对参数变化及未建模动态具有较好鲁棒性的控制系统.为了改善神经网络的学习能力和学习算法的稳定性,对学习增益做了模糊化处理.数字仿真结果说明了该控制方案可以达到预期效果.