基于数值理论与拓扑优化下电阻式应变传感器灵敏度的研究

对于电阻式应变传感器,灵敏度是衡量传感器测量精度的重要指标之一.对现有电阻式应变传感器结构进行优化使其灵敏度提高,从而可提高电阻式应变传感器测量精度.首先利用WorkBench有限元软件和数值理论,计算电阻式应变传感器的灵敏度理论值,接下来基于拓扑软件以质量降低50％ 和最大应力不超过材料许用应力为约束条件进行拓扑优化...     

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合,小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求,提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法,两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束,具有良好的鲁棒性。     

火卫一周期准卫星轨道及入轨分析

围绕火卫一的准卫星轨道（QSOs）因其具有良好的稳定性,是火卫一探测任务最为实用的轨道。在平面圆型限制性三体问题模型下,利用庞加莱截面和KAM环迭代方法探究了准卫星轨道的周期轨道族,并给出不同能量准卫星周期轨道的初始条件。针对火卫一周期准卫星轨道入轨,提出一种转移轨道设计方法:对准卫星周期轨道调整速度后进行反向积分,直至离开火卫一邻近区域,从而得到由火星环绕轨道向火卫一周期准卫星轨道的转移轨道,并调整转移轨道参数对燃料与时间消耗进行优化。研究结果表明,当周期准卫星轨道能量处于特定区间时,存在特定速度脉冲区间,可利用火卫一引力实现较少燃料消耗的轨道转移;在该速度脉冲区间中,通过选取较小的速度脉冲,可缩短转移时间。      

DRO计算及其在地月系中的摄动力研究

针对远距逆行轨道（DRO）的航天工程应用问题,研究了DRO的计算方法以及轨道特性,分析了DRO在实际力环境中的主要摄动因素,为DRO的精确建模和标称轨道设计奠定一定的理论基础。首先,利用仿真算例验证流函数法在计算DRO周期轨道族中的有效性。然后,利用该方法,通过改变雅可比常数,延拓计算DRO周期轨道族,获得不同共振比的DRO,仿真结果表明整数共振比的DRO在地月惯性坐标系中的轨迹是封闭的曲线,而共振比非整数的DRO则不封闭。最后,通过轨道外推分析影响DRO稳定性的主要摄动因素,仿真结果表明太阳引力和月球轨道偏心率是影响DRO稳定性的主要摄动因素。在动力学模型中,使用标准星历表示行星的运动状态,当积分时间多于10天时模型误差为km量级,因此在地月系这样大尺度的空间范围内,可以使用星历模型近似的分析DRO在真实力环境中的运动状态,为任务轨道设计提供依据。      

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域,基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储,难以在无人机等嵌入式平台上进行部署。针对此问题,将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中,并提出了一种可充分利用硬件计算资源的FPGA加速器,其整体平均性能为65.6GOPS。与其他相关工作的对比表明,低比特量化方法及其FPGA加速器实现,可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。     

应用禁忌遗传算法的空间目标协同监视资源调度方法

针对空间态势感知领域的空间目标协同监视问题,提出应用禁忌遗传算法的空间目标协同监视资源调度方法。按照资源调度系统的调度能力、目标容量、响应时间等需求,对协同监视的4种任务模式、目标函数、问题建模、求解算法进行具体分析。仿真结果表明:该方法可支持20颗卫星调度、监视跟踪目标容量1000个,在优化求解速度、精度等方面具有明显优势,可应用于我国空间目标协同监视集成管理系统。     

基于有限元的单机耐压结构优化设计

针对某单机适应瞬时高压环境使用性的结构设计需求,应用PROE软件进行结构及优化设计、ANSYS有限元软件进行仿真分析、实验验证相结合的方式进行耐高压结构设计,经验证结构符合高压环境使用要求。这种结构及优化设计、有限元仿真分析与实验验证相结合的设计方式可有效保证单机结构强度满足环境适应性,为今后的耐高压结构设计提供了方法与方向。