法国UFO着陆案例

1981年1月8日,在法国特朗·恩·普罗旺斯地区,发生了一起著名的留有物理证据的UFO案例。该案例引起了人们的广泛关注。该事件中,有人看到一只UFO降落,并在它离开后的很短时间内找到了物理痕迹。法国的一个政府机构分析了样品,并公布了不寻常的结果。事件的过程很简单,但其对环境的影响是巨大的。一位52岁的技术人员——伦纳特·尼古莱在下午大约17时,正在外面他的坡地的高处干活,这时他听到东边一声呼啸。他转过身来,看到一个物体,像“用两个盘子在边缘用胶互相粘住的有点凸出的碟形物,带有一个约20厘米宽的中心环”。这只飞碟飞过靠近尼…     

多机空战指挥引导不平衡目标分配方法研究

目前,存在多机空战指挥引导不平衡目标分配模型少的问题,提出一种新的多机空战不平衡目标分配方法。结合空战理论与实际,在现有模型的基础上,利用最优控制理论,建立多机空战指挥引导目标分配模型;介绍匈牙利算法和进化匈牙利算法的基本思想和流程,在此基础上将匈牙利算法和进化匈牙利算法相结合来寻求最优方案,并进行仿真分析。结果表明:该方法具有较好的时效性和可靠性,能满足多维条件下的目标分配处理,满足实战需求,为解决多机空战指挥引导不平衡目标分配问题拓展了研究思路。     

基于深度迁移强化学习的无人机投放自主引导机动控制算法

针对无人机精确投放引导问题，本文提出基于深度迁移强化学习的无人机投放自主引导机动控制算法，分别建立基于马尔可夫决策过程的引导机动决策模型、引导机动评估模型等，并设计基于迁移学习和课程学习的引导机动策略训练方法，拟合基于深度学习的引导机动策略和评估网络，最后开展仿真训练和验证试验。仿真结果表明，该算法实现了无人机在任意姿态和位置条件下，能够自主规避区域威胁并自主引导至目标投放点，成功完成投放瞄准任务，有效地提升了无人机投放引导机动控制的自主性。     

双重模态文本引导的图像修复算法

为解决现有图像修复算法因缺乏足够的上下文信息导致修复大面积破损时效果差且修复结果不可控的缺陷，提出了双重模态文本引导的图像修复算法。引入文本标签作为修复的控制引导，确保修复结果的整体与区域一致，并增加修复的可控多样性。设计双重模态掩码注意力机制提取破损区域的语义信息；通过深度文本图像融合模块加深生成器中的文本图像融合过程，并应用图像文本匹配损失最大化生成图像与文本之间的语义相似度；采用投射鉴别器训练生成图像与真实图像增强修复图像的真实性。在2个带有文本标签的数据集上进行定量和定性实验，结果表明：生成的修复图像与引导文本描述一致，可根据不同的文字描述生成多样的结果。     

双视场视觉引导技术研究

提出了一种双视场三维视觉引导方法。利用大视场深度相机和小视场三维扫描仪构建双视场视觉系统，深度相机采集大视场空间三维信息，快速识别被测物体，并进行初始位姿估计；根据空间和位姿信息，小视场三维扫描仪定位到扫描位置，扫描高精度被测物体，获取三维外形；根据三维外形信息，规划加工路径，引导机器人进行维修加工。最后，通过实验验证了系统的有效性。     

基于VR-Forces的舰载机起飞与降落仿真

VR-Forces是当前较为成熟的计算机生成兵力仿真平台,使用该平台可实现舰载机在航空母舰上起飞和降落仿真。在该仿真平台中舰载机起飞和降落的主要原理的基础上,阐述了舰载机搭载(卸载)组件和航空母舰占用引导控制组件的功能、类继承关系和配置方法,分析了舰载机起飞降落过程中的仿真流程。通过测试想定实现了F/A-18舰载机滑行、起飞、降落、停靠整个流程。研究成果对基于VR-Forces的作战仿真和开发类似系统有一定的技术参考价值。     

涡桨飞机有/无动力降落构型的气动噪声预测

以某双发涡桨飞机为对象，采用精细化笛卡尔网格与混合RANS/LES数值模拟，结合FW-H方程的声类比方法，对某涡桨飞机的有动力降落构型和无动力降落构型（均为1/6缩比模型）开展气动噪声预测与对比研究。通过对比分析近场流动结构、机身表面压力分布与压力脉动探测数据、Lamb矢量的散度分布和远场观测点噪声数据，发现对于无动力降落构型，翼尖、襟翼侧缘、襟翼连接件、襟翼与机身连接处等位置的表面压力脉动显著强于其他区域；对于有动力降落构型，除上述区域外，在螺旋桨滑流的干扰下，发动机舱、机翼前缘和襟翼表面压力脉动明显增大。远场噪声观测数据表明，采用的噪声预测方法不仅能够准确捕捉螺旋桨旋转噪声主频，还能够清晰观测到2倍、3倍及4倍谐频。最终结果显示，有动力降落构型的螺旋桨旋转噪声幅值最大，是最主要的噪声源。有动力降落构型相比于无动力降落构型的总声压级要高20 dB左右。因此，建议针对该涡桨飞机降落构型，其降噪设计重点应放在螺旋桨降噪优化设计方面。     

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。