黄渤海晴空像元下雾霾识别的机器学习算法

为实时有效地识别和监测雾霾，选取2013年10月4日与10月5日的两景MODIS遥感图像，利用不同类型像元的光谱差异，基于神经网络模型，建立海上雾霾的遥感识别机器学习算法。经检验表明，在晴空条件下，机器学习算法反演精度相对较高，已超过98%，利用算法可以实现对中国近海上空雾霾的监测。     

简论高校实验课程的改革

实验教学是高等院校教学过程的一个重要环节,应建立新型的实验室管理模式,从开放实验室和改革教学方法两个方面出发,阐述了实验课程改革的必要性。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork

Unmanned Aerial Vehicles (UAVs) are useful in dangerous and dynamic tasks such as search-and-rescue, forest surveillance, and anti-terrorist operations. These tasks can be solved better through the collaboration of multiple UAVs under human supervision. However, it is still difficult for human to monitor, understand, predict and control the behaviors of the UAVs due to the task complexity as well as the black-box machine learning and planning algorithms being used. In this paper, the coactive design method is adopted to analyze the cognitive capabilities required for the tasks and design the interdependencies among the heterogeneous teammates of UAVs or human for coherent collaboration. Then, an agent-based task planner is proposed to automatically decompose a complex task into a sequence of explainable subtasks under constrains of resources, execution time, social rules and costs. Besides, a deep reinforcement learning approach is designed for the UAVs to learn optimal policies of a flocking behavior and a path planner that are easy for the human operator to understand and control. Finally, a mixed-initiative action selection mechanism is used to evaluate the learned policies as well as the human’s decisions. Experimental results demonstrate the effectiveness of the proposed methods.     

基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

深空探测器运行轨道的基本性态

要成功地发射一个深空探测器进入目标轨道,相应的运行过程基本上涉及3个阶段:近地停泊轨道运行段、转移轨道的过渡段和进入目标天体的绕飞段。它们各自的运行状态和相应的数学模型有所差别,特别是转移轨道段的运行特征与绕飞段的卫星轨道的典型特征之间的重大差别,在深空探测任务中受到广泛的重视,如平动点利用中的晕(Halo)轨道和引力加速的节能过渡等。然而,就太阳系而言,这些不同轨道之间有一共同的基本性态,那就是都可以用在牛顿万有引力定律制约下的开普勒轨道(或变化的开普勒轨道)来刻画。本文将针对上述不同运行段轨道对应的数学模型、研究方法和结果,结合我们所做的工作进行综述。     

二次奖罚学习自动机

研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同,新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ,且对不同的环境,其具有不同的行为和特点。     

天线组阵中SUMPLE算法的合成相位漂移补偿

针对SUMPLE算法在低信噪比时存在的相位漂移问题,在分析权值估计误差引起的合成信号相位漂移现象的基础上,提出一种以固定时刻合成权值作为参考的补偿算法。该算法以收敛后某个固定时刻的合成权值作为参考,其他时刻的相位补偿值通过与该参考权值进行相关计算得到。从理论上分析了该算法的可行性,并进行仿真验证。理论分析与仿真结果表明,所给出的相位补偿方法能有效地消除合成信号的相位漂移现象,补偿后的合成信号相位中心稳定。     

深空通信中继文件传输协议设计

深空通信极远的传输距离导致链路误码率高,使文件的可靠传输需要较多的重传次数,而其传播时延长的特点,进一步加大了文件传输时延。研究以CCSDS(空间数据系统咨询委员会)文件传输协议的存储-转发机制,提出一种R-CFDP(中继型CFDP协议),设计了3种中继"存储-转发"策略,并数学建模推导了R-CFDP协议的文件传输时延理论计算式。仿真证明R-CFDP协议相对于CFDP(CCSDS文件传输协议)协议在传输时延方面具有优势。     

基于神经网络的飞行器再入制导研究

论述了神经网络理论在飞行器再入制导方面的应用.在分析各方法优缺点的基础上,提出了一种基于广义同归神经网络(GRNN)模型的再入制导方法.神经网络通过一组选定的轨迹样本进行有导师训练,训练好之后作为控制指令生成器,输入为再入过程中飞行器的状态参数,输出为倾侧角控制量,迎角控制量则由迎角剖面给定.仿真结果验证了该方法在再入...