小推力最优轨迹协态估计的高效机器学习方法

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法。首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响。然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构。将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化。     

星载原子钟在轨剩余寿命预测方法研究

原子钟是导航卫星最关键载荷之一, 开展原子钟健康状态评估与寿命预测相关工作, 对于及时掌握原子钟性能和运行状况, 确保卫星导航系统提供高可用性连续性完好性的服务, 具有重要意义。结合星载原子钟在轨失效特性分析, 提出了一种综合考虑原子钟随机失效与耗损失效的剩余寿命预测方法。该方法融合利用原子钟寿命周期内产生的多源多维数据, 通过概率统计和机器学习的途径实现原子钟的剩余寿命预测。经案例验证, 所提方法合理有效, 具有一定的工程应用价值。      

失效卫星捕获的实时规划控制方法

针对高轨失效卫星维修、离轨等航天任务,借鉴自然界生物的运动控制策略,利用计算仿真完成各种工况下的失效卫星接近轨迹规划,然后设计深度神经网络学习轨迹得到的最优轨迹,提高了对各种卫星失效飞行情况下的接近轨迹实时规划和跟踪控制.在失效卫星姿态运动发生突变时,通过分段重规划,仍能保证快速重规划出期望轨迹,保证对失效卫星的成功捕...     

一种基于航迹特征的无人机与飞鸟目标雷达识别方法

对于现代雷达探测系统而言,无人机与飞鸟同属于具有“低慢小”特征的一类典型目标,而面对比较复杂的作战环境,其对功能的要求已经不仅局限于对两者目标实现稳定探测跟踪,如何有效区分两者类型并完成识别更是当下急迫且重要的难题。常规方法是从目标的微动特征差异进行区分,但由于两者回波微弱,很难通过时频分析方法提取目标特征。针对该问题,从航迹特征出发,提出一种无人机与飞鸟目标雷达识别方法。首先对比两者目标在运动轨迹上的差异性,进行特征分析,提出时间相关的航向震荡频率与速度震荡频率特征量描述方法,并在离线状态下,利用实测雷达系统记录的航迹数据,提取两者的有效特征量;然后利用支持向量机算法对样本进行训练,并在获得最优模型参数后,通过测试样本进行测试,测试分类结果显示准确识别率能够达87%;最后在线状态下跟飞实验,其结果既表明该方法的正确性,也体现了在工程实现角度上的轻量性、实用性、适用性,具有较高价值。     

基于语谱图的管制员疲劳状态检测研究

在现阶段利用陆空通话语音对管制员的疲劳状态的研究中,大多只考虑了语音在时域或频域的变化,而忽视了疲劳会同时在时域与频域上产生影响。本文将三种疲劳状态下的陆空通话语音分别转化为可同时反应时域与频域特性的语音频谱图像,利用灰度共生矩阵（GLCM）提取四维典型的特征参数,对比管制员在不同状态下特征参数的变化情况,确认所选特征具有较好的区分度,将所选特征作为管制员疲劳检测模型的输入特征进行检测。结果表明：利用语谱图特征结合传统特征作为输入特征的检测准确率最高,达到95.49%,较单一使用传统特征的检测准确率高出4%;管制员疲劳状态的变化会直观地反映在语谱图上,并会对其特征值产生影响,利用这种影响对管制员疲劳状态进行检测,可以得到良好的检测结果。     

航空发动机故障的支持矢量机智能诊断

引入支持矢量机和多元分类算法到航空发动机故障诊断当中。通过设计的多元分类支持矢量机构建了小样本多参数航空发动机故障智能诊断模型，然后通过发动机故障仿真器对典型发动机气路故障进行了诊断。结果表明，支持矢量机具有优秀的故障学习能力，采用它进行航空发动机故障诊断是可行、有效的。     

相关向量机及其在故障诊断与预测中的应用

相关向量机(RVM)是一种基于稀疏Bayesian学习理论的新型机器学习方法,具有概率式输出、稀疏性强、参数设置简单、核函数选择灵活等优点,克服了人工神经网络(ANN)和支持向量机(SVM)等典型机器学习方法的诸多固有缺陷。文章从模型选择与优化、模型计算效率和模型鲁棒性改进3个方面综述了RVM的理论研究进展;总结了RVM在故障诊断与预测中的应用研究现状;分析指出了当前研究中存在的问题,并讨论了基于RVM的故障诊断与预测技术的研究方向。     

基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。      

三维物体平稳堆放概念的学习

提出在机器人动作规划控制系统中，增加学习模块，通过分析各种三维物体堆放的不稳定因素，从和平稳的正面例和堆放倒塌的反面例中，学习平稳堆放Ｓｔａｂｌｅ－Ｓｔａｃｋ概念。利用抽象的Ｓｔａｂｌｅ－Ｓｔａｃｋ概念，修正和改进机器人动作规划的制定以提高机器人自动化水平。     

监控视频中异常事件检测技术研究进展

异常事件检测技术是当前智能监控技术研究领域关注的一个热点,作为计算机视觉的重要研究内容,其主要目标是利用计算机自动检测出可被视为异常的事件。传统方法存在低层视频特征描述能力弱,异常检测方法计算代价大,对复杂场景建模时鲁棒性差等方面的限制。本文结合国内外的研究现状和目前的主流方法,介绍了监控视频中异常事件检测涉及的基本技术,分析了各类监控视频特征提取方法、特征学习模型和异常检测方法的优缺点,整理归纳了可用于监控视频中异常事件检测的常用实验数据集,最后讨论了监控视频中异常事件检测技术的难点、挑战及未来发展趋势。