地面目标多角度SAR数据集构建与目标识别方法

南京航空航天大学雷达探测与成像技术研究团队利用自主研制的无人机（Unmanned aerial vehick, UAV）机载高分辨率微小型合成孔径雷达（Mini synthetic aperture radar, MiniSAR）系统,针对多类具有代表性的地面目标进行全方位回波录取及成像处理,构建了拥有自主知识产权的复杂目标SAR数据集,并依托该数据集开展了基于人工智能的目标识别方法研究。针对无人机运动姿态不稳定、辅助传感器精度受限导致的图像散焦问题,本文提出了新型运动补偿及新型二维自聚焦算法。实验表明,虽然AlexNet、ResNet-18、AConvNet和VGG等经典神经网络在MSTAR十类目标分类问题中取得了接近100%的分类准确率,但将其应用于南航MiniSAR数据集时分类准确率均明显低于90%。由于本文采取的实验方法与SAR目标识别技术的实际应用场景较为接近,该MiniSAR数据集对于面向工程应用的SAR目标识别算法研究将会具有重要参考价值。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

深空探测人工智能技术应用及发展建议

深空探测任务的探测目标距离地球越来越远,测控延时逐步增大,并且目标的先验知识有限,在遥远、未知、不确定环境下开展科学探索对探测器的自主性能需求日益强烈。随着人工智能技术的快速发展并逐步实用,在深空探测领域中应用人工智能技术提高和改进航天器自主性也将成为必须和可能。简要介绍了人工智能技术的发展历程,分析了航天领域中人工智能技术的应用实例,重点结合规划的深空探测任务特点和应用场景,梳理分析了各具体任务对人工智能技术应用的潜在需求,并提出了对深空探测人工智能技术应用的一些看法和发展建议。     

飞行航迹动态逆跟踪控制的神经网络方法

针对用动态逆方法设计飞行控制系统在极慢模态设计中所遇到的完全非线性问题，以及飞行器在执行低空突防任务时所面临的程度无法精确控制的条件，提出了一种以前向神经网络为核心的解决方案。文中给出了神经网络的拓扑结构、样本采集方法以及动态逆控制器的构造方法，仿结果表明，该方案具有良好的指令跟踪能力。     

智能化无创血氧饱和度检测系统的研究

无创脉搏血氧饱和度仪能够快速实时进行血氧饱和度的测量，在临床中得到广泛的应用，针对复杂生物组织如何建立相对准确的数学模型是提高血氧仪精度的关键问题，本文分析了光通过人体组织的传输特性，采用辐射传输理论，并考虑散射效应，提出了一种新型无创脉搏轿氧仪的设计方案，有效地减少了血氧仪的测量误差，通过对PC机联网，实现了血氧测量的智能化。     

基于群智机理的集群防碰撞控制

在执行作战任务以及民用中,无人机集群由于具备高可靠性和高效费比的特点而受到广泛关注;随着城市低空空域的开放,作战环境的动态复杂性剧增,对无人机集群防碰撞提出了严峻的挑战。针对无人机集群执行任务时的编队个体之间防碰撞以及遭遇突发障碍时的集群防碰撞问题,提出了基于群智机理的集群防碰撞控制方法。通过引入力学概念,设计了集群内部吸引力、排斥力以及编队构型力的模型;通过集群个体间的信息共享以及类脑知识发育,构建了基于群信息共享和类脑反射的无人机防碰撞模型。仿真结果表明：所提集群控制方法提高了集群的集结效率,而且在遭遇突发障碍时能够规避动态障碍,再次完成编队重构;群智机理的引入缩短了无人机集群面临突发障碍时的反应时间。     

高压推力室人为粗糙度煤油强化换热实验

为提高煤油为冷却剂的高压推力室的冷却性能,对再生冷却通道中的人为粗糙度局部强化换热技术进行了电传热实验研究.传热实验以煤油为介质,实验件为不同人为粗糙度结构参数的方形直管,粗糙元高度小于1.0mm,最大实验压力不小于20MPa,最大流速为60m/s.结果表明,带有人为粗糙度的方形直管的换热得到了强化,随着人为粗糙度的高度增加,换热强化明显增加,随着流速增加而趋缓,而流阻的上升加快.与光滑矩形实验件对比,合理设置人为粗糙度可得到2倍的换热强化,流阻增加小于2倍.     

故障模式影响分析专家系统

介绍了应用人工智能和专家系统技术,建立一个依托专家知识,基于功能/硬件推理的,与故障仿真综合应用,并以故障诊断专家系统,专业CAD/可靠性CAD和可靠性信息系统为支持的故障模式影响分析专家系统FMEAES(Failure Model Effect Analysis Expert System)框架.详细论述了系统的功能、结构、其三大组成部分(预处理部分、FMEAES核心和后处理部分)的功能及其相互关系,故障模式选择、故障仿真和进行功能FMEA和硬件FMEA的处理流程,以及故障模式影响分析专家系统与其他系统的关系.      

一种柔性机器人的神经网络控制方法

提出了一种末杆为柔性杆的机器人的新型神经网络控制方法.它将末杆为柔性杆的机器人分解成刚性前端和柔性末端两部分,使用传统的机器人控制方法控制刚性前端,采用神经网络辩识柔性末端部分的逆模型,将末端的期望轨迹实时分解成末关节转角及末关节轴位姿的期望轨迹再分别进行控制.这一方法将传统的基于模型的控制方法和神经网络方法有机结合在一起.通过对平面3杆柔性机器人的数值仿真,初步验证了这一方法的有效性和良好效果.     

人工智能与空气动力学结合的初步思考

以人工智能为核心的新一轮技术革命及产业变革正在影响着社会的各个领域,世界各航空航天大国均在人工智能与空气动力学的结合方面开展了许多有益的尝试与探索。本文回顾了人工智能技术的发展历程及现状,重点讨论了大数据时代背景下人工智能在风洞试验、数值计算和飞行试验等空气动力学研究的三大手段上的应用,详细分析了人工智能在辅助海量气动数据分析与知识发现上发挥的作用,探讨了人工智能在气动建模与先进飞行器设计中蕴藏的应用价值,并指出了人工智能与空气动力学相结合所带来的挑战。