基于遥感图像的无固定标志点卫星自主定轨

目前基于事先选取地面标志点的卫星自主导航可能会造成误匹配和漏匹配,并且不包含地标点的遥感图像也有可能存在导航信息.为了解决这两个问题,本文提出了一种不依赖事先标定地面标志点的自主导航方法,通过YOLOv3深度学习对获得的遥感图像进行目标识别缩小图像匹配区域,将识别后的目标区域进行图像匹配获得匹配特征点及其像平面坐标,最...     

基于机器学习的二次电子发射唯象模型

基于机器学习和深度人工神经网络(artificial neural network, ANN)提出一种二次电子发射唯象模型。利用Vaughan模型生成先验数据集,用于训练生成描述二次电子发射一般规律的先验知识ANN模型,并在不同参数条件下验证了先验知识ANN模型的正确性。然后,分别利用银和铝合金材料的二次电子发射系数实验数据修正先验知识ANN模型,分别得到了描述两种材料的特异ANN模型。测试结果表明,特异ANN模型计算结果与实验结果相比的平均绝对误差较Vaughan模型和Furman模型降低了30%以上,与复合唯象模型精度相当或更高。在小样本条件下测试了二次电子发射ANN模型的正确性,验证了分步训练方式的有效性和二次电子发射ANN模型对于小样本集的适应性。提出的基于机器学习的二次电子发射唯象模型能够避免复杂的参数修正过程,能够基于先验知识提升模型对于小样本的适应性,能够实现二次电子发射系数的连续插值,适于在数值模拟软件中使用。     

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题,提出了一种基于循环神经网络的故障诊断方法.对卫星姿态控制系统建模,进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据.设计六种异构的循环神经网络,对故障数据进行故障诊断和分类,分别从网络深度、反馈单元、激活函数和训练算法对比网络效果.带有门循环单元的(gate recurr...     

复合材料开口缝合补强结构力学性能的实验研究

对复合材料开口缝合补强结构进行了实验研究,测试了不同缝合参数(针距、行距、边距、单重和双重缝合)补强的含孔复合材料层板的破坏强度,研究了孔边应力集中和缝合补强对强度、破坏应变等力学性能参数的影响,分析讨论了孔边及邻近区域应变集中及应变分布的规律,结合破坏断面分析,探讨了不同缝合参数对应变集中及破坏机理的影响,研究结果表明:孔口缝合补强后,层板破坏强度和孔边局部刚度均有增大趋势,孔边产生了"缺口强化"现象;与未缝合情况相比,孔边应变衰减范围基本相同,而应变衰减程度不同;缝合设计参数(针距、行距、边距等)不同,孔边拉、压应变的转换点的位置也不同;不同的针距、行距以及边距对孔边应变集中都有很大影响.     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义.真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检.为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法.首先,通过引入注意力机制对多尺度特征融...     

高职大学生学习心理困扰及自我调适研究

从高职大学生心理健康教育的实际出发,对高职大学生学习心理困扰的现象进行研究,认为高职大学生学习心理困扰主要表现为厌学情绪、学习注意力不集中和考试焦虑症,分析产生学习心理困扰的心理机制,提出帮助他们对学习心理进行自我调适的方法和措施。     

基于偏差自适应学习的多传感器信息融合机动目标跟踪

为了保证精确打击机动目标,导弹可以采用主/被动雷达切换探测目标。考虑到作战的隐蔽性和生存性,提出基于多传感器信息融合的被动优先跟踪方法:跟踪开始时,令主/被动雷达同时对目标进行探测和跟踪,将二者的信息进行融合,同时自适应地学习融合结果与二者信息的偏差,经过一段时间学习,融合偏差稳定,此时令主动雷达停止工作,由被动雷达单独工作,而目标的运动信息则由被动雷达的信息和学习得到的融合偏差合成。如果目标机动较大,则定期令主动雷达工作以进一步修正融合偏差。该方法既保证了跟踪的精度,同时又减少了主动雷达的工作时间,从而提高了作战的隐蔽性和生存性。将该方法应用于导弹的目标跟踪,仿真结果表明该方法有效。     

Imaginary filtered hindsight experience replay for UAV tracking dynamic targets in large-scale unknown environments

As an advanced combat weapon, Unmanned Aerial Vehicles (UAVs) have been widely used in military wars. In this paper, we formulated the Autonomous Navigation Control (ANC) problem of UAVs as a Markov Decision Process (MDP) and proposed a novel Deep Reinforcement Learning (DRL) method to allow UAVs to perform dynamic target tracking tasks in large-scale unknown environments. To solve the problem of limited training experience, the proposed Imaginary Filtered Hindsight Experience Replay (IFHER) generates successful episodes by reasonably imagining the target trajectory in the failed episode to augment the experiences. The well-designed goal, episode, and quality filtering strategies ensure that only high-quality augmented experiences can be stored, while the sampling filtering strategy of IFHER ensures that these stored augmented experiences can be fully learned according to their high priorities. By training in a complex environment constructed based on the parameters of a real UAV, the proposed IFHER algorithm improves the convergence speed by 28.99% and the convergence result by 11.57% compared to the state-of-the-art Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. The testing experiments carried out in environments with different complexities demonstrate the strong robustness and generalization ability of the IFHER agent. Moreover, the flight trajectory of the IFHER agent shows the superiority of the learned policy and the practical application value of the algorithm.     

宇航电绝缘材料深空环境适应性研究

宇航电绝缘材料是深空探测器电信号传递和作用的界限，评估宇航电绝缘材料的环境适应性是材料选择，绝缘设计及工艺处理过程中需要考虑和优化的项目。本文从材料电绝缘性能关联的环境因素入手，介绍了深空辐射环境、热环境、气体环境及颗粒物环境及其效应，给出了深空环境适应性评估流程及验证项目及方法，为宇航电绝缘材料的选用和评估提供参考。     

一种无人机自主避障与目标追踪方法

针对无人机自主避障与目标追踪问题，以深度Q网络(DQN)算法为基础，提出一种多经验池深度Q网络(MP DQN)算法，使无人机避障与追踪的成功率和算法的收敛性得到优化。更进一步，赋予无人机环境感知能力，并在奖励函数中设计了方向奖惩函数，提升了无人机对环境的泛化能力以及算法的整体性能。仿真结果表明，相较于DQN和双重DQN(DDQN)算法，MP DQN算法具有更快的收敛速度、更短的追踪路径和更强的环境适应性。