基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

卫星控制系统测试数据自动判读系统设计

针对卫星控制系统测试数据类型多和数据量大的特点,人工判读方式存在判读时间长和判读精度不够高等不足,分析了卫星控制系统测试数据的变化规律,建立了测试数据的判读规则,在此基础上完成自动判读方法设计和自动判读系统设计,该系统能够按照设置的判读规则进行自动判读,对判读结果进行实时显示和存储,提高了测试效率和判读的准确性.     

H型叶栅通道流计算网格的改进

提出一种壁面正交、尾迹区网格节点分布逐渐均匀化叶栅通道网格生成方法。为了研究壁面处网格正交性对数值计算结果的影响，推导出壁面附近流动参数一阶导数离散误差与网格线交角的数学关系。采用N-S方程分别对平板紊流附面层流和叶栅通道流进行计算分析。结果表明：壁面处网格正交性对附面层内流动计算预测精度影响较大，而对势流区流动影响很小；尾迹区切向网格节点逐渐均匀化分布能更准确计算尾迹区流动。     

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

基于Hamilton-Jacobi方程的编队飞行控制

 针对椭圆参考轨道的编队飞行控制系统,基于哈密尔顿 雅克比（Hamilton-Jacobi）方程,给出一种新的生成函数半解析近似解的计算方法,同时推导了编队飞行控制系统相对运动的线性状态转移矩阵,并且验证了模型的精度。在此基础上,结合一个具体的编队飞行任务,采用线性规划算法得到了队形保持的闭环控制器,该算法得到的是脉冲形式的控制序列,因此更具有实际意义。同时还提出了一种简单的避免生成函数奇异点的方法,从而减少了生成函数间相互转换所带来的计算量。最后的非线性仿真结果验证了控制方法的有效性。     

露点仪校准系统测量不确定度分析

作为量值传递标准,精密露点仪的定期校准非常重要.本文根据JJG-2004《精密露点仪检定规程》的要求,建立了露点仪校准系统及校准数学模型,介绍了露点仪校准系统的组成及工作原理,确定了系统的不确定度来源,给出了用于现场校准结果的不确定度评定方法,并结合实际测试数据给出了具体分析.