考虑机场场面滑行的停机位指派研究

合理高效的停机位分配能提高机场运行效率和旅客满意度。首先,以旅客步行时间、航空器进/出港滑行时间最短为目标函数,增加同一航空公司的航空器集中停靠约束建立模型。之后设计禁忌搜索算法,以上海浦东国际机场为对象开展实例分析,对比机场原始停机位指派方案,旅客步行时间、进/出港滑行时间分别减少5.04%、25.28%和6.36%,并进行权重灵敏度分析,建议旅客步行时间权重不超过0.7。最后,基于Flexsim设计仿真实验,进/出港滑行时间和冲突次数均减少,可接受延误水平下滑行系统服务航班量增加3.30%,进/出港最大滑行延误时间减少9.09%和2.94%。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

DRO计算及其在地月系中的摄动力研究

针对远距逆行轨道（DRO）的航天工程应用问题,研究了DRO的计算方法以及轨道特性,分析了DRO在实际力环境中的主要摄动因素,为DRO的精确建模和标称轨道设计奠定一定的理论基础。首先,利用仿真算例验证流函数法在计算DRO周期轨道族中的有效性。然后,利用该方法,通过改变雅可比常数,延拓计算DRO周期轨道族,获得不同共振比的DRO,仿真结果表明整数共振比的DRO在地月惯性坐标系中的轨迹是封闭的曲线,而共振比非整数的DRO则不封闭。最后,通过轨道外推分析影响DRO稳定性的主要摄动因素,仿真结果表明太阳引力和月球轨道偏心率是影响DRO稳定性的主要摄动因素。在动力学模型中,使用标准星历表示行星的运动状态,当积分时间多于10天时模型误差为km量级,因此在地月系这样大尺度的空间范围内,可以使用星历模型近似的分析DRO在真实力环境中的运动状态,为任务轨道设计提供依据。      

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域,基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储,难以在无人机等嵌入式平台上进行部署。针对此问题,将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中,并提出了一种可充分利用硬件计算资源的FPGA加速器,其整体平均性能为65.6GOPS。与其他相关工作的对比表明,低比特量化方法及其FPGA加速器实现,可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。     

应用禁忌遗传算法的空间目标协同监视资源调度方法

针对空间态势感知领域的空间目标协同监视问题,提出应用禁忌遗传算法的空间目标协同监视资源调度方法。按照资源调度系统的调度能力、目标容量、响应时间等需求,对协同监视的4种任务模式、目标函数、问题建模、求解算法进行具体分析。仿真结果表明:该方法可支持20颗卫星调度、监视跟踪目标容量1000个,在优化求解速度、精度等方面具有明显优势,可应用于我国空间目标协同监视集成管理系统。     

带攻角约束的高超声速飞行器自适应反步控制器设计

针对带攻角(AOA)约束的高超声速飞行器控制问题,提出一种基于非对称时变障碍函数的非线性自适应反步控制方法。首先,将飞行器模型化为严反馈形式,以反步法为基础进行控制器设计。然后通过光滑饱和函数对名义攻角指令信号进行限幅,并保证限幅信号的可导性,限幅产生的误差通过设计辅助系统进行补偿。进而使用障碍函数对攻角指令跟踪误差进行非对称时变约束。针对不确定性和干扰,设计新型自适应律对集中干扰上界进行估计并补偿。最终通过Lyapunov理论证明了闭环系统状态量一致最终有界并且攻角始终满足时变约束。仿真结果表明,本文方法能够在满足攻角约束基础上保证良好跟踪性能。     

空间目标碰撞概率的等效矩形域快速算法

针对线性相对运动假设下的碰撞概率计算问题,提出了等效矩形域方法。利用该方法将概率积分计算进行近似处理,推导出概率密度积分的解析表达式。针对空间目标误差椭球形状固定的情况,给出了最大碰撞概率的计算方法。对目标在交会时刻相距较远和接近碰撞的情况进行了碰撞概率以及最大碰撞概率计算。通过将计算结果与空间压缩无穷级数法的对比,验证了等效矩形域方法近似计算碰撞概率积分的可靠性,同时对于不同的碰撞概率计算情况,等效矩形域方法显示出更高精确度和更好的估计偏差稳定性。