光电技术在中国深空探测中的应用

文章简单回顾了中国深空探测已走过的历程和正在进行的项目,展望了今后的发展;分析了深空探测器及其有效栽荷对光电技术的需求;重点对中国已发射的月球探测器"嫦娥一号"、"嫦娥二号"中应用的光电技术和获取的成果,正在研制的"嫦娥三号"探测器中所应用的光电技术,月球探测三期和今后可能发展的深空探测项目中预计采用的光电技术的研制工...     

面向天基监视的红外弱小飞行目标识别算法

针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法。检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框（anchor）大小的选取更加合理。在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感。改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响。仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13%,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3%,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率。     

一种深度强化学习制导控制一体化算法

研究了一种基于深度强化学习理论的制导控制一体化算法。不同于传统的制导控制一体化算法和制导控制回路分开设计的方法,基于深度强化学习理论的制导控制一体化算法利用深度学习强化算法生成一个智能体,智能体根据导弹的观测量生成舵偏角控制指令准确拦截目标。首先将制导控制问题转化为一个马尔可夫决策过程,然后提出了一个权衡制导精度、能量损耗和飞行时间的奖励函数,将制导控制问题转化到强化学习问题的框架中。最后采用深度确定性策略梯度算法,求解提出的强化学习问题,训练得到制导控制智能体,智能体根据导弹观测量生成舵偏角指令。通过进行大量的数值模拟,验证了提出的制导控制一体化算法的有效性和鲁棒性。     

论远程高校教师校本培训模式的构建

在分析远程高校教师校本培训现状的基础上,提出远程高校教师要构建自组织与被动组织相结合的机制,充分利用远程式的培训技术和方式,设立教师培训专项基金,建立专家引领的培训模式,使远程高校教师校本培训得以健康发展.     

高职新生英语学习适应与学习策略的转变

通过对高职新生入学后英语学习适应调查结果的分析研究,探讨普遍存在的新生适应不良问题。高职新生必须在英语学习策略上做出改变,第一是学习观念与习惯的改变;第二是通过活动转变被动局面;第三是评价方式的改变。英语学习策略的转变有助于新生尽快适应高职英语学习。     

Autonomous navigation of formation flying spacecrafts in deep space exploration and communication by hybrid navigation utilizing neural network filter

Autonomous navigation of spacecrafts is a difficult task, however, which is a must in future deep space exploration. With multiple spacecrafts flying in space, this aim can be achieved by formation flying spacecraft (FFS) utilizing inverse time difference of arrival (ITDOA) and inverse difference Doppler (IDD) methods, which can locate the position of earth-station from one-way uplink signals in the FFS coordinate, and by way of conversion of coordinates, the position of FFS is achieved in earth-centered earth-fixed (ECEF) coordinate. The ability of neural network (NN) filter in navigation to extract position of spacecrafts from random measuring noise of signal arrival time and Doppler shift is studied with different radius of FFS and surveying parameters. The NN filter used by spacecraft group is new way of unidirectional autonomous navigation and is of high precision of hybrid navigation.     

Piloted operations at a near-Earth object (NEO)

In late 2006, NASA's Constellation Program sponsored a study to examine the feasibility of sending a piloted Orion spacecraft to a near-Earth object. NEOs are asteroids or comets that have perihelion distances less than or equal to 1.3 astronomical units, and can have orbits that cross that of the Earth. Therefore, the most suitable targets for the Orion Crew Exploration Vehicle (CEV) are those NEOs in heliocentric orbits similar to Earth's (i.e. low inclination and low eccentricity). One of the significant advantages of this type of mission is that it strengthens and validates the foundational infrastructure of the United States Space Exploration Policy and is highly complementary to NASA's planned lunar sortie and outpost missions circa 2020. A human expedition to a NEO would not only underline the broad utility of the Orion CEV and Ares launch systems, but would also be the first human expedition to an interplanetary body beyond the Earth–Moon system. These deep space operations will present unique challenges not present in lunar missions for the onboard crew, spacecraft systems, and mission control team. Executing several piloted NEO missions will enable NASA to gain crucial deep space operational experience, which will be necessary prerequisites for the eventual human missions to Mars.Our NEO team will present and discuss the following:

• new mission trajectories and concepts;

• operational command and control considerations;

• expected science, operational, resource utilization, and impact mitigation returns; and

• continued exploration momentum and future Mars exploration benefits.

适用于连续数值标签的兴趣漂移增量学习方法

针对现有兴趣漂移增量学习方法大多针对包含二值数据标签的用户反馈进行学习的不足,提出了一种适用于连续数值标签反馈的兴趣漂移增量学习方法,以或然概念集的形式描述用户兴趣,将用户反馈中包含的数据标签视为用户对该实例的喜好概率,并采用基于指数近度加权平均的方法对兴趣模型进行增量学习.在不同学习任务下的实验结果表明,该方法能够在反馈数据标签为连续数值的条件下达到比现有方法更好的学习效果.     

统计学习与知识发现

知识发现是将知识从隐性转化为显性的一个过程,它是知识管理的重要组成部分.为此阐述了利用统计学习的知识发现方法,以及统计学习中主要使用的分类学习,并强调了使用数据驱动指导知识构建的合理性和优越性,最后结合实例分析了几个主要的统计学习方法及其应用.     

开闭环PD型快速迭代学习控制方法及其在直流电动机中的应用

针对一类非线性系统的学习控制问题,提出了一种开闭环PD型快速迭代学习控制方法。此学习控制方法利用了系统当前的跟踪误差信号和前次迭代控制的跟踪误差信号,以及它们的微分信号,同时采用可调比例系数,根据系统误差的变化及时地调节比例系数,从而使目标的跟踪能力得到提高。通过分析给出了此快速迭代学习算法收敛的条件,直流电动机的仿真应用说明了此学习控制方法对于非线性系统具有较强的有效性和较好的可行性。