真空羽流智能化计算

真空环境中,姿轨控发动机工作产生的高温高速真空羽流会对航天器产生气动力、气动热、污染、电磁干扰和视场干扰等效应,影响航天器正常工作甚至任务成败。因此,真空羽流及其效应评估和防护是航天领域的关键科学和工程问题。直接模拟蒙特卡洛（DSMC）方法是真空羽流数值模拟的主流方法,但DSMC是一种粒子模拟方法,非常耗时,严重制约了真空羽流及其效应的评估效率。提出了一种基于卷积神经网络的直接模拟蒙特卡洛（CNN-DSMC）方法。CNN-DSMC的训练集包括两个部分：将DSMC羽流数值模型的几何拓扑与边界条件信息作为训练集的输入,将DSMC数值模拟得到的羽流流场数据作为训练集的输出。将该训练集输入卷积神经网络进行训练,可得到高精度、高效率的真空羽流智能化计算模型,以此预测不同条件下的真空羽流流场。以月球探测器月面着陆过程中的真空羽流场为例,分别使用CNN-DSMC和DSMC数值模拟了在不同着陆高度条件下的真空羽流流场流速和密度。结果显示,两种方法结果基本一致,流场流速和密度的平均相对误差分别小于6.0%和8.8%。但与传统的DSMC方法相比,CNN-DSMC方法的计算速度提升至少4个量级,最大可达6个量级。因此,本文提出的CNN-DSMC方法在真空羽流数值模拟方面具有较强的应用潜力。     

一种基于语义分析的大数据视频标注方法

提出一种基于Spark计算框架的海量视频语义标注方法。将存储在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的海量视频部署到若干计算节点上,依据分形特征实现镜头快速分割。提取样本关键帧的颜色、纹理和分形特征向量,进行元学习策略训练,进而形成视觉词典。根据视觉词典对检测视频内容进行分析,产生一系列能表征视频内容的视觉单词。根据重要程度,通过马尔科夫链按重要程度对视频的视觉单词进行排序,并将排列结果作为该视频的标注。最后,从检测正确率、平均运行时间和扩展效能方面与传统分布式计算模型进行了对比。     

基于局部线性嵌入的高光谱影像特征提取算法

特征提取能够消除冗余信息,提高高光谱数据处理的精度和计算效率,是分类等分析必要的预处理手段.传统特征提取算法基于线性变换,无法准确描述高、低维特征空间的关系,因此采用一种新型非线性特征提取算法,即局部线性嵌入(LLE,Locally Linear Em-bedding),挖掘高光谱影像的本征信息.针对分类问题,使用训练样本类别属性修正距离矩阵,并借鉴LLE计算未知样本低维映射的方法求解测试样本的特征向量,实现监督局部线性嵌入(SLLE,Supervised Locally Linear Embedding).使用机载可见光/红外成像光谱仪数据,与3种分类算法结合进行测试,实验结果表明:SLLE优于线性特征提取算法,能够解决高光谱影像的小样本分类问题.     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据,提出了一种新颖的代表性特征自编码器（RFAE）模型,并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法,从而使模型可以学习到相位相同样本的代表性特征;然后根据代表性特征重构样本,根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常,然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验,RFAE异常检测准确率达到99%,检测效果明显优于目前的其他异常检测算法,具有较高应用价值。     

基于强化学习的航天器姿态控制器设计

航天器在轨执行某些任务时,其质量参数会发生未知变化,传统控制方法在这种情况下控制效果不佳。本文提出基于强化学习的航天器姿态控制器设计方法,该方法在姿态控制器训练过程中不需要对航天器进行动力学建模,不依赖航天器的质量参数。当质量参数发生较大未知变化时,训练好的控制器仍然可以保持较好的控制效果。仿真测试表明:使用基于强化学习方法训练的控制器确实具有良好的鲁棒性。此外,回报函数的设计会明显影响姿态控制器的训练,因此对不同的回报函数设计进行了研究。     

关于大学引进版英语教材的适用性分析

对航空机务工程类专业两个年级进行公共英语教学的纵向问卷调查,对其所使用的两套引进版教材的结构内容等进行分析,基于此,结合学伴用随原则和中国学生的英语学习策略,对这两套教材的适用性进行对比评价,为大学公共英语教材的引进或编写提供经验借鉴。     

基于ELM的飞机数字化装配定位运动模型

针对飞机装配中开敞性较差环境下的串联装配机构半闭环定位运动控制问题进行研究,提出了基于极限学习机(EML)算法的飞机数字化装配定位运动模型。通过分析飞机数字化装配串联定位机构的运动学模型特点及性能要求,提出了飞机数字化装配定位运动的单隐含层前馈神经网络模型,并基于极限学习机提出了装配定位运动的数据辨识模型,且最后给出了基于极限学习机算法的定位运动离线辨识方法。通过将某大型飞机机身壁板柔性预定位工装作为试验平台进行验证,结果表明,获得的定位运动模型使直接装配定位精度达到±0.25 mm,满足某大型飞机机身壁板长桁的装配定位精度要求±0.50 mm。试验系统涉及的若干关键技术已应用于某大型飞机的壁板组件装配预定位柔性工装系统。     

月表陨坑检测轻量化深度学习方法

针对目前基于深度学习的陨坑检测方法存在的模型参数量大和检测速度慢的问题,提出了一种轻量化的深度学习陨坑检测方法。首先,采用通道剪枝方法删减卷积神经网络中冗余的卷积核,得到结构紧凑高效的陨坑检测模型。然后,使用轻量化的深度可分离卷积操作替换基础陨坑检测模型中的标准卷积操作,进一步降低了模型的复杂度。仿真实验结果表明,所提出的轻量化陨坑检测模型能够保证较高的像素预测精度,并且能够适应亮度、图像噪声等干扰因素的影响。同时,与轻量化处理前的模型相比,参数量减少了99.2%,检测速度提升了94%。     

面向智能空战的深度强化学习技术综述

目前主要航空大国及相关研究机构将着力点聚焦于智能空战关键技术的探索与研究,而深度强化学习结合了深度学习的感知能力与强化学习的决策能力,在空战能力涌现方面表现出巨大优势。本文结合智能空战发展的迫切需求,在分析和归纳深度强化学习技术领域主流算法的基础上,探讨了其与空战领域的结合点;从算法实现角度指明深度强化学习在空战中的关键技术;通过梳理当前空战领域前沿技术成果,得出未来深度强化学习研究将由单机空战向集群空战发展这一趋势,提出了其面临的挑战,为智能空战中智能算法的发展提供借鉴和指导。     

利用神经网络的海杂波幅度分布参数估计方法

海杂波是制约对海雷达探测性能的主要因素之一,掌握其特性,具有十分重要的意义。经典海杂波统计模型在参数估计方法上以传统统计学理论为基础,在样本数较少的情况下,估计结果往往较差,导致建模准确度下降。此外,在复杂非均匀探测背景下,难以实现海杂波模型参数的准确实时估计。针对该问题,文章将深度神经网络模型引入海杂波参数估计领域,通过构建合理的模型,使其具备海杂波幅度分布模型的高精度参数估计能力。该方法采用直方图统计的方法进行数据预处理,合理划分输入数据标签的分组区间,构建数据集训练神经网络,并利用测试数据得到神经网络估计结果。仿真数据和X波段IPIX雷达实测数据验证结果表明,与传统数理统计估计方法相比,该算法明显提升了海杂波统计模型参数估计精度。