基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

四代机发展之辨

最近一段时间以来,四代机的话题被媒体炒得很热。去年,美国抛弃了原来的四代论,取而代之提出了一个五代论的观点,在2007年第6期的《航空知识》上,我和傅前哨、徐德康两位同志也一起讨论了这个话题。此外,俄罗斯、日本、韩国     

太阳能无人机应用

满足高空长航时无人机长达数月续航要求的关键之一是解决其飞行动力源问题,许多国家把太阳能无人机列为重要的研究方向。我国大部分地区,都处在太阳辐射资源的丰富带和较丰富带,从而为太阳能无人机的应用提供了很好的条件和优势,但要真正实现太阳能无人机的使用,还需解决很多关键技术。包括独特的飞行器设计和太阳能动力系统设计等。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况,开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进,实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础,设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例,建立了太阳能电池阵列模型,开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验;基于"蒲公英I"飞行剖面,开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪,与萤火虫算法相比收敛时间更短、且功率波动幅度更小;采用改进萤火虫算法和状态机能源管理策略,在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

基于SWOT-PEST分析的无人靶机产业发展研究

本文针对军民融合发展战略背景下的无人靶机产业进行研究,根据无人靶机的部队训练需求和武器装备研制需求,从无人靶机自身特点出发,利用SWOT-PEST分析方法,在政治、经济、社会、技术4种宏观环境下,对无人靶机产业面临的优势、劣势、机遇和威胁进行分析并建立分析矩阵。依据分析结果对应提出加强行业规范化管理、实战化训练需求牵引、技术创新驱动、国内外市场兼顾、建立优质供应、增强企业责任、提高国产化率和效费比等无人靶机产业发展战略。     

信息

改进型伊尔-76TD-90VD装备13种新型机载设备系统；美海军期望年中部署最新升级型EA-6B飞机；俄空军A-50远程预警与控制机实施现代化；新指挥控制系统通过美国空军互操作性测试；EADS公司创新高速战术无人机成功首飞。[编者按]     

姿态遥控模式下的无人机短周期特性辨识仿真研究

为了探索姿态遥控模式下的无人机纵向短周期模态计算方法,本文以某型机为例建立了姿态遥控模式下的无人机动力学模型,并采用纵向倍脉冲信号对无人机进行了激励。根据响应结果,基于低阶等效拟配法,采用遗传算法对无人机的阻尼、频率特性进行了辨识,对比分析了时域以及频域辨识方法的结果,最后将所得方法应用于某型无人机纵向短周期模态特性辨识。结合飞行员评价表明,频域辨识拟配得出的频域特性比时域特性好,拟配精度更高;所采用的低阶等效拟配方法适用于姿态遥控模式下的无人机纵向短周期特性评价。     

某型无人机拦阻网回收系统设计

介绍了无人机拦阻网回收系统的组成和工作原理，论述了系统的网体设计、涡轮阻尼器设计以及拦阻过程计算等关键技术问题，并给出某型无人机拦阻回收系统的性能计算结果。本文的研究成果为某型无人机拦阻网回收系统的工程设计提供了理论依据，并已成功应用于某型无人机系统的研制。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.