OBE与CSE双视域下大学英语课程宏观与微观设计探索

大学英语教学质量的提升离不开宏观教育目标与微观教育过程的相互匹配。本文拟从基于产出的教育理念（OBE）和《中国英语能力等级量表》（简称CSE）双重视域,从宏观和微观层面对大学英语课程的学习产出进行定义、实现、评估和使用,以期实现学生在语言知识、能力结构和人文素养方面的全面提升。     

尾坐式垂直起降无人机纵向抗风性能分析

分析了四旋翼尾坐式垂直起降无人机的纵向受力情况,建立了纵向动力学模型,并进一步分析了其最大抗风能力边界。针对尾坐式无人机在强风扰下位置跟踪精度差的问题,引入了迭代学习控制(ILC)。针对尾坐式无人机起降阶段的控制过程非重复性的问题,提出了分段迭代学习控制方法。通过仿真验证表明,该方法具有较好的稳定性,能够提高强风扰下无人机垂直状态的位置和高度控制精度。     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

真实场景水下语义分割方法及数据集

随着水下生物抓取技术的不断发展,高精度的水下物体识别与分割成为了挑战。已有的水下目标检测技术仅能给出物体的大体位置,无法提供物体轮廓等更加细致的信息,严重影响了抓取效率。为了解决这一问题,标注并建立了真实场景水下语义分割数据集DUT-USEG,该数据集包含6 617张图像,其中1 487张具有语义分割和实例分割标注,剩余5 130张图像具有目标检测框标注。基于该数据集,提出了一个关注边界的半监督水下语义分割网络(US-Net),该网络通过设计伪标签生成器和边界检测子网络,实现了对水下物体与背景之间边界的精细学习,提升了边界区域的分割效果。实验表明:所提方法在DUT-USEG数据集的海参、海胆和海星3个类别上相较于对比方法提升了6.7%,达到了目前最好的分割精度。      

基于分支深度强化学习的非合作目标追逃博弈策略求解

为解决航天器与非合作目标的空间交会问题,缓解深度强化学习在连续空间的应用限制,提出了一种基于分支深度强化学习的追逃博弈算法,以获得与非合作目标的空间交会策略。对于非合作目标的空间交会最优控制,运用微分对策描述为连续推力作用下的追逃博弈问题;为避免传统深度强化学习应对连续空间存在维数灾难问题,通过构建模糊推理模型来表征连续空间,提出了一种具有多组并行神经网络和共享决策模块的分支深度强化学习架构。实现了最优控制与博弈论的结合,有效解决了微分对策模型高度非线性且难于利用经典最优控制理论进行求解的难题,进一步提升了深度强化学习对离散行为的学习能力,并通过算例仿真检验了该算法的有效性。     

机器学习方法在气动特性建模中的应用

气动数据建模是飞行性能仿真评估的基础。气动特性建模主要有机理建模方法和“黑箱”建模方法。本文对“黑箱”建模的三类机器学习方法——分类与回归树方法、浅层学习方法和深度学习方法,进行了算法说明与分析应用。将分类与回归树方法、浅层学习方法中的Kriging建模方法、RBF神经网络方法及SVM支持向量机方法分别应用于火箭气动特性建模、三角翼大迎角非定常气动特性建模、气动热试验数据融合,对这几类建模方法的优势和不足进行了比较分析。同时,将流动条件参数组成向量,再映射为图像,与翼型图像构成“合成图像”,建立了基于翼型几何图像、来流马赫数、迎角的翼型气动特性深度神经网络模型,得到了比较好的预测效果,拓展了气动特性深度学习建模方法的使用范围。     

基于深度强化学习的多无人机协同进攻作战智能规划

无人机依靠作战效费比高、灵活自主等优势逐步替代了有生力量作战,多无人机协同作战任务规划成为热点研究问题。针对传统任务规划采用的智能优化算法存在的依赖静态、低维的简单场景、机上计算较慢等不足,提出一种基于深度强化学习（DRL）的端到端的多无人机协同进攻智能规划方法。将压制敌防空作战（SEAD）任务规划过程建模为马尔科夫决策过程,建立基于近端策略优化（PPO）算法的SEAD 智能规划模型,通过两组实验验证智能规划模型的有效性和鲁棒性。结果表明：基于DRL 的智能规划方法可以实现快速、精细规划,适应未知、连续高维的环境态势,智能规划模型具有战术协同规划能力。     

航天智能控制技术让运载火箭“会学习”

高可靠和智能化是未来智能航天器的主要特点,本文聚焦航天器高可靠、智能化的发展需求。梳理了中国运载火箭从无到有、从有到全的发展历程,提出了航天智能技术从航天器的可靠性做起,航天器的可靠性从航天智能控制做起,航天智能控制从"会学习"的火箭做起。围绕航天智能控制技术如何使运载火箭"会学习"的发展架构,进一步探索了"边飞边学"和"终身学习"智能控制技术的理论研究和应用现状,支撑中国"会学习"运载火箭高可靠和智能化的发展。     

基于迁移学习方法的安全运行状态评估综述

迁移学习是利用其他相关领域已有的知识解决给定领域问题的一种方法,能够有效抑制数据缺失对 准确建立状态评估模型的影响,从而为设备安全可靠运行以及维护决策等方面奠定基础。本文总结了航空航 天领域相关设备产品数据缺失条件下利用迁移学习实现运行状态评估的研究现状,探讨了迁移学习方法在状 态评估领域未来的研究方向,为航空航天领域相关研究人员提供了最新参考,以便对实际问题进行分析并据此 寻找可能的解决方案。     

太平洋的战争游戏——“2004年环太平洋”演习

第19届的“环太平洋”学习于6月29日至7月27日假夏威夷的瓦胡岛及周边海域，包托太平洋实弹射击试验场举行。“2004年环太平洋”学习为2004年美国太平洋指挥部所举办规模最大的军事演习，除了上期过介绍航母战斗群，各国作战部队之外，还有各国P-3联合执行反潜与巡逻任务，两栖作战任务、快速人员运输舰等。实兵演练在“环太平洋”演习中，主要为兵棋推演的验证作为。