基于卷积神经网络的局部图像特征描述符算法

为提升基于图像序列三维重建的速度,解决传统局部特征描述符算法提取速度慢的问题,设计了一种基于深度学习的局部特征描述符网络。利用特征描述符网络实现对图像特征点的特征提取,结合本文采用的欧氏距离匹配准则,实现了对不同图像间特征点的匹配。算法对MVS数据集进行了验证,实验结果表明:提出的局部特征描述符算法实现了对图像特征点特征的快速准确的提取、匹配,与传统特征描述符算法相比,特征提取时间缩短了50%以上,特征点的匹配时间缩短了60%以上。相对于本算法中复杂结构的特征描述符网络,结构简单的泛化性更好,可拓展到航天领域的三维重建中。     

一种用于深空通信的系统LT码

针对传统LT（Luby Transform）码用于深空通信时性能不理想的问题,通过重构LT码的二分图设计适用于深空通信环境的系统LT码,提出一种去环编码算法。采用外信息转移图分析系统LT码的收敛阈值,然后通过仿真试验评估系统LT码的性能。仿真结果表明,采用本文提出的编码方案的系统LT码能够明显降低错误平层,提高译码算法的性能。     

空间机械臂的确定性学习控制

研究一类空间机械臂系统的基于模式的控制方法。首先在训练阶段,基于确定性学习理论设计自适应神经网络控制器使机械臂系统跟踪不同的任务模式,得到对应于不同任务模式的一系列空间机械臂闭环动态的局部准确神经网络建模,并利用这些模型构造对应不同任务模式的常值神经网络控制器。其次,在测试阶段,首先快速识别出任务模式,然后调用相应的常值神经网络控制器实现对空间机械臂系统基于模式的闭环控制。理论证明基于模式的控制方法可提高机械臂闭环系统的控制性能,并可避免频繁切换。理论结果最后在空间机械臂中得到了仿真校验。     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。     

基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。     

Actual TDoA-based augmentation system for enhancing cybersecurity in ADS-B

Currently, cybersecurity and cyber resilience are emerging and urgent issues in next-generation air traffic surveillance systems, which depend primarily on Automatic Dependent Surveillance-Broadcast (ADS-B) owing to its low cost and high accuracy. Unfortunately, ADS-B is prone to cyber-attacks. To verify the ADS-B positioning data of aircraft, multilateration (MLAT) techniques that use Time Differences of Arrivals (TDoAs) have been proposed. MLAT exhibits low accuracy in determining aircraft positions. Recently, a novel technique using a theoretically calculated TDoA fingerprint map has been proposed. This technique is less dependent on the geometry of sensor deployment and achieves better accuracy than MLAT. However, the accuracy of the existing technique is not sufficiently precise for determining aircraft positions and requires a long computation time. In contrast, this paper presents a reliable surveillance framework using an Actual TDoA-Based Augmentation System (ATBAS). It uses historically recorded real-data from the OpenSky network to train our TDoA fingerprint grid network. Our results show that the accuracy of the proposed ATBAS framework in determining the aircraft positions is significantly better than those of the MLAT and expected TDoA techniques by 56.93% and 48.86%, respectively. Additionally, the proposed framework reduced the computation time by 77% compared with the expected TDoA technique.     

未来智能空战发展综述

随着装备战斗力生成模式逐渐向机械化、信息化、智能化"三化融合"发展演变,未来航空主战装备的定位、形态及运用将可能发生根本性变革。为应对新时期空战任务所面临的环境高复杂性、博弈强对抗性、响应高实时性、信息不完整性、边界不确定性等一系列挑战,交叉融合人工智能理论与空战对抗技术,研发智能空战系统,将有望在下一代无人制空装备谱系中构建不对称"智能代差",成为制胜未来空天战场的核心关键。本文完整梳理了智能空战研究的发展脉络,总结了以专家机动逻辑、自动规则生成、规则演进、机器学习等方法为代表的智能空战基础理论。从体系、应用及技术视角全面剖析了智能空战的发展趋势,以智能空战的不确定性、安全性、解释性、迁移性、协同性为切入点阐述了智能空战应用落地的若干问题,以期为未来智能空战技术研究勾勒出一条新的探索路径,为人工智能理论与航空科学技术的跨领域交叉融合提供新的发展思路。     

高职院校学习型辅导员队伍构建策略探析

在高职院校,普遍存在着辅导员学习研究意识淡漠,缺乏学科背景支持、学习氛围不浓等问题,针对这些问题,高职院校须构建一支学习型辅导员队伍,可采取的具体策略包括：建设学习型学生工作领导队伍、培养问题研究意识、加强团队学习和培训指导等策略。     

The perfect boring situation—Addressing the experience of monotony during crewed deep space missions through habitability design

In contemporary orbital missions, workloads are so high and varied that crew may rarely experience stretches of monotony. However, in historical long duration missions, occurrences of monotony were, indeed, reported anecdotally by crew. Of the effective countermeasures that appear to be at hand, many rely on visual or logistical proximity to the Earth, and are not feasible in the remote context of an extended deep space mission scenario. There, particularly in- and outbound cruising stages would be characterised by longer, comparably uneventful periods of low workload, coupled with confinement and unchanging vehicle surroundings.