基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题,将核极限学习机算法引入到北斗超快速钟差预报中。首先,将极限学习机进行优化,引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数;然后,将优化后的方法应用到超快速钟差预报中,并给出了利用该方法进行超快速钟差预报的步骤;最后,在分析iGMAS提供的实测北斗超快速钟差数据的基础上,选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内,利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型,并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比,GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%,其与最终精密钟差的符合程度显著 增强 。     

基于通道剪枝的SAR图像舰船检测优化算法

近几年,随着深度学习的发展,基于深度学习的目标检测算法开始应用于合成孔径雷达(SAR)图像中的舰船检测。但深度学习模型结构复杂,参数量与计算量巨大,无法应用到星载处理器的实时处理中。本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法,在保证检测精度不受较大影响的情况下,剪除卷积层中的部分参数,提高检测效率。实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56%,而推理时间减少了约51%,同时精度下降仅有1.9%。这给未来在星载处理器上部署舰船检测算法提供了新的思路。     

基于递推贝叶斯的检测跟踪一体化方法

在雷达系统中,对雷达散射截面积(Radar Cross-Section,RCS)较小的快速机动目标的检测与跟踪是难点。本文提出采用基于递推贝叶斯原理的检测跟踪(Track-and-Detect,T&D)一体化方法提高雷达对这类目标的检测和跟踪性能。针对机动目标,用模型参数更新法来改进递推贝叶斯方法,即利用先验信息或实时估计的目标速度信息实时更新运动模型参数。对雷达实测数据的处理结果表明,该方法在机动目标的平均信噪比约为6dB时,即可实现在虚警率为10-3时检测概率达到0.9的指标。     

一种雷达信号模糊函数特征提取与识别方法

现代雷达面向智能化、软件化、多功能与多用途方向发展,一部雷达往往具有多种工作体制与工作状态,雷达信号采用复杂的波形设计,这就使得雷达信号的特征提取与识别过程变得越来越困难。另外,现代电磁环境复杂,杂波、噪声干扰严重,给雷达的侦察工作带来更大的难度。基于此,提出将流形学习应用于雷达信号模糊函数的特征提取,并对其进行仿真与分析。结果验证了该方法的可行性。     

电动力绳系卫星轨道机动策略研究

针对电动力绳系卫星轨道机动问题,提出三种电流控制策略实现不同要求的轨道机动。采用常值电流、bang-bang式电流以及傅里叶式电流三种控制策略来实现电动力绳系卫星的轨道机动,并引入小误差修正方法来提高控制精度。结果表明：常值电流和bang-bang式电流分别能够实现轨道倾角和升交点赤经的独立变化;而傅里叶式的时变电流能够实现考虑气动阻力情况下的一般轨道机动。提出的小误差修正方法只需经过一次误差修正就能显著提高轨道机动控制精度。     

边界层内水介质在压差驱动下沿小孔向气腔射流问题研究

对边界层内小孔气水多相流场下射流问题开展数值仿真及定常水洞试验研究,建立了适用于边界层内压差驱动下小孔向气腔射流多相流场问题研究的数值仿真计算模型,针对典型孔参数及气水流场条件,对比分析了仿真试验数据,验证了数值仿真模型的正确性及模型计算精度。结合流体质点受力及运动模型及平板边界层理论,分析了气水域压力场特征及水域流动规律对小孔射流过程的作用机理及影响规律,开展了孔参数对射流多相流场特征及射流量的影响研究。获得了小孔射流量估算方法,为航行体上防水装置设计提供数据支撑。     

国外小推力液体火箭发动机的最新进展

小推力液体火箭发动机用于航天飞机、宇宙飞船、航天运载器等航天器的轨道和姿态控制、对接、交会等。主要介绍美国、法国、俄罗斯对小推力发动机的研制情况，以及这些国家所研制的这类发动机的性能和特点。     

Study of Micrometeoroid and Orbital Debris Effects on the Solar Panels Retrieved from the Space Station “MIR”

A study of micrometeoroid and orbital debris (MMOD) long-term effects on solar cell samples of solar panels returned from the space station MIR has been carried out. Five samples from the solar array, which spent over 10 years in space, have been studied with the help of optical microscopes with magnification up to 1000. Craters with dimensions as small as 1m were registered. Additional large impact features were investigated by observing a large number of cells (150) with an optical microscope of small magnification. The aim of the study was to define morphological and statistical characteristics of samples surface damages as well as the extent of surface erosion caused by MMOD impacts. The results of statistical analysis of the data obtained in this study are shown to correlate with the experimental data obtained in the Hubble Telescope solar panel return experiment, and MMOD flux estimations are in good agreement with modern MMOD models. The relative surface area damaged by impacts of small size (1–100m) MMOD particles is estimated to be 0.01%, while the relative surface area of large impact features (greater than 0.1mm) is estimated to be 0.045%.     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

一种高速可变形飞行器智能变形决策方法

针对一类高速可变形飞行器(HMFV)的变形决策问题,提出一种基于深度确定性策略算法(DDPG)下考虑综合性能指标最优的智能变形决策方法。首先,以一类后掠角可连续变化的高速飞行器为研究对象,给出变形飞行器动力学模型,分析模型特性及变形量与关键气动参数之间的定性关系。其次,基于关键气动数据特征分析,考虑包含气动性能、控制误差在内的综合性能指标,设计一种基于DDPG算法的智能变形决策方案。再者,针对带有标称控制器的HMFV进行变形决策训练,实时获得滑翔过程中不同飞行状态下的最优构型。最后,仿真结果表明所设计的智能变形决策算法收敛效果好,且具备较好的泛化性能。相比于固定外形,可通过变形使得在不同状态下的升阻比保持最优,且与考虑单一决策指标相比,考虑综合指标最优的变形决策可进一步缩小姿态动态跟踪误差。