基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.     

众眼看宇宙

这是"勇气"号火星探测器在火星所见的最终景色。已经超期服役近8年之久的"勇气"号在调查火星表面的这个火山坑时,因为困在火星泥沙之中而终结了它的探索之旅。照片的中上部分,有着浅色山顶的山丘是"冯布朗山",是"勇气"号陷入困境前的规划探索区域,它可能是火星上     

星载可展开天线热振动数值分析

根据非耦合动力学理论及有限元方法,研究分析了星载可展开天线的热振动。利用半正弦波温度冲击模拟热动力荷载,对天线典型节点的热振动位移和应力以及形面精度进行了数值分析。研究表明,急剧变化的温度荷载将导致该天线结构发生热振动,热振动响应明显大于静力学响应。     

星载全球大气波动成像仪研究

在卫星上对中间层顶区域的气辉辐射成像观测, 对于全球大气波动的监测和研究具有重要的意义. 利用TDICCD对O₂A (0-0)气辉进行成像观测, 计算了曝光积分时间、信噪比和能达到的最高空间分辨率, 分析了地球自转对空间分辨率的影响, 在此基础上提出一种星载全球大气波动成像仪方案, 该方案可以观测垂直波长大于10km的大气波动, 最高水平分辨率可以达到0.33km.      

一种闭环冗余系统可重构控制方法

提出一种闭环冗余系统在线可重构控制方法,包括控制器、控制分配和故障诊断.在故障诊断算法中,首先采用有向图方法快速确定可能的故障源.对于难以隔离的故障,提出了一种在线故障定位方法.故障定位后,通过控制分配,重新分配控制律.以航天器冗余动量轮系统的故障重构为例,说明了如何在系统级角度在线定位故障,重构系统.最后,给出了冗余动量轮卫星姿态调节过程中故障重构的仿真算例.     

一种前飞状态直升机可达区域快速计算方法

直升机可达区域可用于生成空域安全态势,提高直升机在低空复杂环境中的飞行安全水平.为了满足求解可达区域的实时性和准确性要求,提出了一种快速计算方法.根据能量机动性求解了直升机控制域,结合运动学方程建立了可达区域数学模型.基于最优控制原理,实现了边界点快速计算;提出了基本可达区域的概念,将实时可达区域构造问题转化为少量边界点的计算问题.以AH-1G直升机为对象进行了二维和三维的算例分析,并与微分包含法计算结果进行了对比.算例结果表明,直升机控制域是时变的,需根据实时飞行状态进行计算;该算法能实时计算前飞状态直升机的可达区域,有较高的计算精度.     

伪卫星空中基站的定位算法研究

伪卫星空中基站的精确定位是构建伪卫星区域定位系统的一个关键问题。分析了伪卫星空中基站的位置误差(相当于卫星的星历误差)对系统定位精度的影响,研究了利用逆用定位原理确定伪卫星空中基站位置的算法和几何精度因子问题,并用Monte-Carlo方法对定位精度进行了仿真,结果表明这种方法是可行的,具有较大的实用价值。     

国外新型可重复使用飞船特点分析和未来发展

目前,世界各国积极开展新型可重复使用飞船的研制或研究论证,美国和俄罗斯的新型载人航天器都取得了一定的进展。美国航空航天局(NASA)的"猎户座"(Orion)飞船将作为"国际空间站"(ISS)乘员救生艇继续发挥作用;美国商业公司积极发展新型可重复使用航天器,主要包括太空探索技术(SpaceX)公司的"天龙座"(Dragon)飞船和波音公司的乘员航天运输-100(CST-100);俄罗斯正在执行"新型载人航天运输系统"(PPTS,也称为PTKNP)计划,研制新一代飞船。     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。