基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。     

深空通信中的网络技术

介绍了深空通信的特点、目前空间链路所使用的数据传输协议对深空探测环境的适用性、新制订容延迟网络体系结构的设计思想和实现要点,以及有待进一步研究的内容。     

深空着陆器随机优化制导律设计

针对导航估计误差对制导精度的不利影响,提出了一种随机优化制导设计方法。该方法将导航估计性能作为优化项引入制导设计过程中,通过对观测轨迹的优化设计,使视觉导航估计精度得到提高,进而改善了制导性能;同时,引入单步超前优化方法减少迭代运算量。将其应用于深空探测着陆任务,仿真结果表明与传统估计最优制导方法相比,该随机优化制导律有效降低了估计误差给制导系统带来的不利影响,使着陆器导航与制导系统整体性能得到改善提高。     

航天器椭圆轨道自主交会的自适应学习控制策略

 提出了一种在缺少绝对轨道信息时的航天器椭圆轨道自主交会方法。利用Lawden方程描述椭圆轨道下的两星相对运动关系,并将方程中的时变参数单独归类。在假设这些时变参数无法得到的情况下,采用Lyapunov方法设计了椭圆轨道下自主交会的参数估计规则和自适应学习控制律。仿真结果表明,在只有相对状态信息的情况下,估计参数有效地跟踪了真实参数的变化,所设计的控制律能够实现椭圆轨道下航天器的自主交会。     

An inverse design method for supercritical airfoil based on conditional generative models

Inverse design has long been an efficient and powerful design tool in the aircraft industry.In this paper, a novel inverse design method for supercritical airfoils is proposed based on generative models in deep learning. A Conditional Variational Auto Encoder(CVAE) and an integrated generative network CVAE-GAN that combines the CVAE with the Wasserstein Generative Adversarial Networks(WGAN), are conducted as generative models. They are used to generate target wall Mach distributions for the inve...     

The perfect boring situation—Addressing the experience of monotony during crewed deep space missions through habitability design

In contemporary orbital missions, workloads are so high and varied that crew may rarely experience stretches of monotony. However, in historical long duration missions, occurrences of monotony were, indeed, reported anecdotally by crew. Of the effective countermeasures that appear to be at hand, many rely on visual or logistical proximity to the Earth, and are not feasible in the remote context of an extended deep space mission scenario. There, particularly in- and outbound cruising stages would be characterised by longer, comparably uneventful periods of low workload, coupled with confinement and unchanging vehicle surroundings.     

基于网络平台的大学英语自主学习现状与对策研究

基于网络平台的大学英语自主学习对大学英语教学产生了积极的影响。通过问卷调查发现,存在着学习目标不明确、学习内容不系统、自我监控能力较差等问题。应通过加强对学生自主学习策略的培养,落实学生的主体地位,加强网络监控来提高自主学习的效率。     

一种用于深空高动态微弱信号的频率估计算法

研究了低载噪比与高动态环境下的深空测控系统频率估计算法,在分析已有方法不足的基础上,提出了一种基于无迹卡尔曼滤波(UKF)的闭环载波跟踪方法。此方法结合了锁频环鉴别器和UKF的优点,获得了宽的估计范围,高的估计精度和低的载噪比门限。在分析UKF模型的基础上,此方法还减少了原有UKF算法的运算量。仿真过程模拟了接收机的高动态运动轨迹,结果表明此法具有较好的动态适应能力、收敛性能和跟踪精度,能够有效地完成低载噪比与高动态环境下的频率估计。此法与基于扩展卡尔曼滤波(EKF)的频率估计算法相比,具有更低的频率估计误差,因此有着良好的应用前景。     

基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。     

未来智能空战发展综述

随着装备战斗力生成模式逐渐向机械化、信息化、智能化"三化融合"发展演变,未来航空主战装备的定位、形态及运用将可能发生根本性变革。为应对新时期空战任务所面临的环境高复杂性、博弈强对抗性、响应高实时性、信息不完整性、边界不确定性等一系列挑战,交叉融合人工智能理论与空战对抗技术,研发智能空战系统,将有望在下一代无人制空装备谱系中构建不对称"智能代差",成为制胜未来空天战场的核心关键。本文完整梳理了智能空战研究的发展脉络,总结了以专家机动逻辑、自动规则生成、规则演进、机器学习等方法为代表的智能空战基础理论。从体系、应用及技术视角全面剖析了智能空战的发展趋势,以智能空战的不确定性、安全性、解释性、迁移性、协同性为切入点阐述了智能空战应用落地的若干问题,以期为未来智能空战技术研究勾勒出一条新的探索路径,为人工智能理论与航空科学技术的跨领域交叉融合提供新的发展思路。