气象与管制信息融合应用分析

充分利用气象大数据,对机场、航路及空域进行现在的或预期的气象情况的气象报告、分析、预报,通过与GIS和管制信息融合,为管制员提供机场气象实况、气象预报、重要天气及其推演的可视化信息,帮助管制员了解天气形势,直观掌握飞机与雷雨、结冰和颠簸区域的相对位置,提前做出指挥预案,从而提高航空安全和航班正常保障水平。     

十二表冗余捷联惯导系统数据融合技术研究

针对采用正十二面体冗余仪表构型的十二表冗余捷联惯性导航系统,通过仿真和样机试验,开展了基于最小二乘估计的数据融合算法研究。对不同故障模式下的系统精度进行了分析,并通过Monte Carlo仿真验证了数据融合算法对提高系统导航精度的有效性。设计开展了样机静态导航试验,试验结果表明,理论最优的马尔柯夫估计并不完全适用于脉冲输出形式仪表的数据融合。最后通过优化改进加权系数、构造加权矩阵,显著提升了样机的静态导航精度,使样机位置误差和姿态误差与三表直接解算相比分别降低了78.6%和77.9%。     

翼身融合布局民机克鲁格襟翼设计

翼身融合（BWB）布局是"绿色航空"发展目标的下一代大型民用飞机的理想布局。由于高度融合的外形特点,BWB布局难以通过应用传统增升装置实现低速增升与配平的协调设计。本文采用开缝钝头克鲁格襟翼提高BWB布局低速失速特性。首先,构建了克鲁格襟翼二维参数化方法,该方法符合克鲁格襟翼运动机构特点,可准确描述几何外形与缝道配置。其次,开展克鲁格襟翼几何参数与偏转角度的影响规律研究,分析流动形态与增升机理,提出设计原则。综合考虑外形、运动机构与遮蔽效应等设计约束,以提高增升能力为目标,开展前缘开缝克鲁格襟翼优化设计。优化设计结果满足设计约束,数值分析表明其增升能力比初始外形与经典缝翼均有明显提高。最终,采用前缘开缝克鲁格襟翼与后缘简单襟翼构建BWB增升构型,数值模拟与风洞试验结果表明,增升方案能够实现升力系数要求,降低了对配平能力的需求,减小了增升装置和高升力配平设计压力。提出的克鲁格襟翼设计方法不仅适用于BWB布局,也为传统布局民机增升装置设计提供了技术支持。     

航空都市目标下郑州航空港建设的瓶颈及对策

"航空大都市"是郑州航空港建设的终极目标,郑州航空港建设必须注重政治结构、经济结构和社会结构的优化,具体体现为航空港与政府、机场、所在区域等不同主体关系的协调。目前,郑州航空港的建设仍面临政府与航空港的关系边界模糊、完整的产业链尚未形成、港城融合尚未实现等诸多瓶颈,必须通过合理确定政府定位、继续优化产业结构和推进港城融合等方式来实现郑州航空港结构层面上的优化,以保证航空大都市目标的实现。     

融合背景图像信息和多特征压缩的相关滤波跟踪算法

针对相关滤波类跟踪算法目标背景图像信息利用率较低、目标特征表达能力较弱的问题,提出了一种融合背景图像信息的多特征压缩跟踪算法。首先,在上下文感知滤波器的基础上,将背景图像信息加入位置滤波器。其次,提取颜色名(Color Name, CN)特征与梯度直方图(Histogram of Oriented Gradient, HOG)特征,使用最大响应因子及平均峰相关能量(Average Peak-to-Correlation Energy, APCE)评估跟踪结果的可信度,实现两种特征的自适应融合。最后,利用特征降维简化模型的复杂度,实现算法运行速度的提升。实验结果表明,改进后的算法在遮挡、形变、尺度变化等复杂环境下均具有较高的鲁棒性,其跟踪精度和成功率指标均优于DSST及其他主流的跟踪算法,并且仍保持了实时性。     

无人水面艇自主导航技术

作为无人水面艇的关键技术之一,自主导航技术决定着无人水面艇自主航行能力的高低。结合无人水面艇在实际航行和作业过程中自主导航所面临的问题,对无人水面艇组合导航及完好性监测技术、协同导航技术、路径规划技术和环境感知技术目前的现状、不足和发展趋势进行了总结和分析。为了更加精确、可靠地进行安全导航定位,即插即用全源导航是无人水面艇可采用的一种导航方式,并在此基础上开展了组合导航完好性监测工作。多目标规划综合最优及基于分层策略的自适应路径规划方法是解决动态时变环境下路径规划问题的有效途径。深度学习、数据挖掘、信息融合等人工智能技术将在提高环境感知信息的本质特征表述、充分挖掘多元异构数据间的有效信息,以及构建信息全面、立体、可靠的三维环境模型方面发挥主导性作用。     

军用航材智能化保障的技术构建

针对军队航材保障效率较低、反应时间过长等问题,结合国防与军队信息化、智能化建设的实际,提出了军用航材智能化保障模式;通过运用物联网、神经网络、云计算等方法,对智能化保障模式各功能的实现提出支撑技术,航材智能化保障模式各项功能得以实现;通过对军用航材智能化保障进行模式构建,并就该模式下各功能模块的实现提出支撑技术,革新保障方式,有效提高了航材保障的效率。     

结合局部高清图像的遥感集群目标区域超分辨率重建

近年来,卫星遥感图像的应用场景越来越广泛。但是由于采集设备有限及其成本限制,卫星传感器获取到的图像通常不具备足够的分辨率且分布不够均匀,同时部分目标聚集成群难以分辨,导致低分辨率遥感图像在目标检测与识别等空间语义理解任务上难以满足准确定位和分类所有目标的要求。相比于一次性采集完整高分辨率遥感图像,已有遥感图像通常在局部区域具有相对清晰的高分辨率,且具备足够的细节信息用于分辨目标群,而传统的遥感图像超分辨率重建方法主要关注遥感图像自身的全局特征,通过图像的全局特征进行分辨率和像素扩充,而忽视了遥感图像的细节信息。为了解决这些挑战,提出了一种将遥感图像局部聚集群目标区域的细节特征信息引入到完整遥感图像的采样重建中的方法,通过多层级的神经网络来提取不同尺度的图像特征,并通过残差学习的方式将这些特征进行融合并重建。在实验中,该方法相比主流现有的遥感图像超分辨率重建方法,在视觉效果和测试实验上都取得了更好的结果,证明该方法可以有效借助局部图像的像素信息,显著地提高全局遥感图像的细节效果和优化集群目标区域的分辨能力,提升了遥感图像的质量和可用性。