圆形轨迹导引下的无人机事件触发抗干扰环绕控制

针对内部不确定性以及外部环境摄动的目标环绕控制问题,在基于反步法的双层制导框架下,利用级联控制思想,提出了一种圆形轨迹导引下的四旋翼无人机事件触发抗扰环绕控制方法。在轨迹回路中,构建了可满足持续激励条件的目标位置估计器,保证仅通过视线方位角就能获取可满足最终一致有界条件的目标估计项。随后,基于目标的位置估计结果,设计了目标环绕控制律生成线速度指令,并通过方向向量场验证了该环绕制导律的有效性,消除了现有李雅普诺夫向量场制导(LVFG)对相对位置和目标速度的依赖。在姿态回路中,通过采用扩张状态观测器(ESO)补偿系统的集总不确定性,设计了基于相对阈值事件触发控制的姿态控制器,在有效降低控制器到执行机构之间信号传输频率的同时,实现了四旋翼无人机对静止/移动目标环绕。然后,借助输入状态稳定性定理证明了系统的稳定性。仿真结果表明,所提控制方案能够实现圆形轨迹导引下四旋翼无人机对静止/移动目标的环绕监视。     

193 nm紫外激光对单晶硅的损伤特性研究

主要开展了193 nm紫外激光对单晶硅的损伤实验,观察分析了材料表面的损伤形貌,建立了193 nm紫外激光损伤单晶硅的理论模型,计算分析了材料的温度场及应力场分布,讨论了损伤形貌及损伤机理。研究结果表明：193 nm紫外激光对单晶硅的损伤机理主要为热力耦合效应,硅材料表面产生严重的熔融烧蚀和裂纹状的应力损伤,计算得到193 nm紫外激光对单晶硅的熔融损伤阈值为0.71 J/cm²、热应力损伤阈值为0.42 J/cm²。     

空间站产品保证工作探索与实践

针对空间站技术跨越大、工作模式多、产品状态新、工作寿命长、协作单位广、验证难度高等任务特点,总结了空间站研制过程强化风险识别与控制、强化关键产品管理、强化三舱通用化设计、强化要求传递与落实检查、强化试验覆盖性和有效性验证、强化产品状态控制和归零管理、强化研制过程正向质量确认方面采取的主要产品保证工作措施。通过上述措施的实施,有效保证了空间站研制过程质量,为空间站建造完成奠定了坚实的基础。     

基于深度学习的雷达目标识别算法评估系统设计

在雷达成像装备试验中,传统真实场景测试方法构建难度大、场景有限、试验风险高,急需解决目标识别算法测试不充分、评估不全面的问题本文针对现有问题设计了一套目标识别算法测试系统,可提供合成孔径雷达图像和逆合成孔径雷达图像的处理、标注以及目标识别算法的自动运行、环境配置、性能评估等功能。相较于传统的试验方法,该系统具备成本低、试验时间短、可控性强、可扩展等优点。     

韧性语音识别技术

在实际环境中,背景噪声是广泛存在的,而且严重损害诸如语音理解与识别技术应用的效果。本文主要讨论噪声分布是近正态分布的情况。噪声的概率密度函数(p、d、f)为如下形式:f(x)=(1-ε)g(x)+εg(x)其中,g(x)是正态概率密度函数,h(x)是任意对称的概率密度函数,ε是一个常数,0<ε<1。借助于Robust的基本思想,我们对线性预测的残差进行了韧性处理,得到Robust M估计。减少了噪声中语言参数的估计偏差,而且导出了Robust M估计的格点算法并给出了实验数据和结果。     

基于层析数据的智能特征识别算法研究

研究了基于层析数据的特征识别技术。针对反求工程中存在的瓶颈问题,通过合理地选择特征参数和函数,连续、定量地描述了造型特征,并将多个特征函数的变化特征进行组合匹配,应用智能决策等手段,实现了原型特征的识别,并在此基础上构造了原型三维CAD模型。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

星箭连接界面处环形分布动载荷识别

提出一种基于卫星结构响应的环形分布动载荷识别方法。首先基于脉冲响应函数,在时域内构建激励与响应之间的传递关系;进一步,利用B样条函数表示动载荷的环形分布函数,并结合卫星结构有限元模型和结构测点加速度响应,识别了动载荷的分布函数及其时间历程。以某卫星模型开展数值仿真研究,结果表明：在不同噪声水平,响应测点数以及B样条控制点数的情况下,本文所提出的方法能够准确识别卫星结构所受分布动载荷。本文方法能够为实际飞行情况下卫星载荷环境评估提供理论支撑。     

基于室内合作场景智能识别的行人导航算法

基于足绑式惯性测量单元(IMU)的惯性导航系统被广泛应用于行人导航中,其通过零速修正(ZUPT)算法可对速度估计误差进行较好的补偿,然而其位置误差会随时间发散。针对于此,提出了一种基于室内合作场景智能识别的行人导航算法。通过随机森林算法,对行人在室内平地步行、上楼梯、下楼梯等不同步态进行训练与辨识,并结合室内先验地图对行人导航的结果进行校正。通过实验表明,行人在室内行走1100m时最大定位误差为1.85m(总行程0.17%),相对无场景识别的方法精度提高了6倍,可以有效提高行人导航精度。