俄罗斯酝酿制定金星探索计划

俄新社网站2020年1月31日报道,俄罗斯拉沃奇金科研生产联合体首席工程师Dmitry Khmel表示,俄罗斯国家航天集团公司(Roscosmos)正在酝酿于2020—2021年制定金星探索计划。该计划可参考已经成型的俄罗斯月球开发计划,并应包括曾在《2016—2025联邦航天计划》中出现的金星-D(Venera-D)任务。根据Roscosmos的安排,俄罗斯科学院空间研究所(IKI)和拉沃奇金科研生产联合体分别从科学探索和工程应用两方面开展相关准备工作。     

基于空间注意力机制的行人再识别方法

行人再识别是图像检索领域的一个重要部分,但是由于行人姿态各异、背景复杂等因素,导致提取到的行人特征鲁棒性和代表性不强,进而影响行人再识别的精度。在AlignedReID++算法基础上,提出了基于空间注意力机制的行人特征提取方法,应用在行人再识别中取得了很好的效果。首先,在特征提取部分,引入空间注意力机制来增强特征表达,同时抑制可能的噪声;其次,通过在卷积层中引入实例正则化层（IN）来辅助批正则化层（BN）对特征进行归一化处理,解决单一BN层对特征色调变化以及光照变化的不敏感性,提高特征提取对亮度、色调变化的鲁棒性;最后,在Market1501、DukeMTMC和CUHK03 3个行人再识别通用数据集上对所提改进模型进行测试评价。实验结果显示:改进后的模型在3个数据集上识别精度分别提升了2%、2.9%和5.1%,表明改进后的模型相较于改进前的模型,在精度以及鲁棒性上都有显著提高。      

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

CONTROL STRUCTURE AND IMPLEMENTATION OF CELL CONTROL SYSTEM

在计算机集成制造系统（ＣＩＭＳ）的递阶控制结构中，单元控制系统起着重要作用。它上端联接车间控制系统和ＣＡＤ／ＣＡＰＰ／ＣＡＭ系统，下端联接生产设备，直接影响到生产的柔性和效率。该系统根据生产任务和目标，完成了生产计划调度、资源分配、监控设备运行等功能。文中主要讨论了系统的控制结构、系统功能和以下主要关键技术：客户／服务体系结构在生产控制和管理中的应用，单元生产计划和调度，ＤＮＣ接口以及生产中的随机事件处理。该系统已在应用中取得良好的经济效益。     

ESA启动下一轮空间科学长期规划“旅程2050”制定工作

ESA网站2019年3月4日报道,ESA已经启动下一轮空间科学长期规划“旅程2050”(Voyage 2050)的制定工作,成立了由科学家组成的高级委员会,并发布专题小组成员和白皮书征集邀请函。高级委员会将在2020年年中向ESA科学部提交建议报告。ESA空间科学计划依赖于对空间科学优先事项的长期规划。     

基于自适应动态规划的航空航天飞行器鲁棒控制研究综述

自适应动态规划方法(ADP)是一种基于强化学习框架的智能控制方法,通过函数近似技术,最终得到动态规划问题的近似最优控制策略.本文对ADP方法在航空航天飞行器鲁棒控制的研究进行综述.首先,介绍了ADP方法基本结构框架与典型算法实现原理.进一步,对于ADP方法在高超声速飞行器系统,导航制导系统以及无人机系统在鲁棒控制中的相关研究进行介绍.最后,对未来航空航天飞行器领域ADP方法的发展前景进行了分析.     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

飞行计划数据的自动化处理

随着我国民航事业的快速发展 ,空中的飞行流量也在急剧增加 ,这样给地面的空中交通管制部门带来了相应的压力 ,尤其是大量飞行计划数据的涌现和处理 ,加重了地面管制人员的工作负担。为了解决这种矛盾 ,必须借助先进的计算机设备和技术 ,结合管制人员丰富的管制经验 ,开发出现代化的空管设备 ,对飞行计划数据进行有效的处理。在这种情景下 ,笔者对飞行计划数据的自动化处理过程进行了探讨 ,并且参与开发了相关的系统设备。本文即对飞行计划数据的自动化处理进行阐述。一、飞行计划的要素及分类为了使空中交通安全和有序 ,避免航空器之间、航…