基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题,将核极限学习机算法引入到北斗超快速钟差预报中。首先,将极限学习机进行优化,引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数;然后,将优化后的方法应用到超快速钟差预报中,并给出了利用该方法进行超快速钟差预报的步骤;最后,在分析iGMAS提供的实测北斗超快速钟差数据的基础上,选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内,利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型,并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比,GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%,其与最终精密钟差的符合程度显著 增强 。     

基于通道剪枝的SAR图像舰船检测优化算法

近几年,随着深度学习的发展,基于深度学习的目标检测算法开始应用于合成孔径雷达(SAR)图像中的舰船检测。但深度学习模型结构复杂,参数量与计算量巨大,无法应用到星载处理器的实时处理中。本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法,在保证检测精度不受较大影响的情况下,剪除卷积层中的部分参数,提高检测效率。实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56%,而推理时间减少了约51%,同时精度下降仅有1.9%。这给未来在星载处理器上部署舰船检测算法提供了新的思路。     

一种雷达信号模糊函数特征提取与识别方法

现代雷达面向智能化、软件化、多功能与多用途方向发展,一部雷达往往具有多种工作体制与工作状态,雷达信号采用复杂的波形设计,这就使得雷达信号的特征提取与识别过程变得越来越困难。另外,现代电磁环境复杂,杂波、噪声干扰严重,给雷达的侦察工作带来更大的难度。基于此,提出将流形学习应用于雷达信号模糊函数的特征提取,并对其进行仿真与分析。结果验证了该方法的可行性。     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

一种高速可变形飞行器智能变形决策方法

针对一类高速可变形飞行器(HMFV)的变形决策问题,提出一种基于深度确定性策略算法(DDPG)下考虑综合性能指标最优的智能变形决策方法。首先,以一类后掠角可连续变化的高速飞行器为研究对象,给出变形飞行器动力学模型,分析模型特性及变形量与关键气动参数之间的定性关系。其次,基于关键气动数据特征分析,考虑包含气动性能、控制误差在内的综合性能指标,设计一种基于DDPG算法的智能变形决策方案。再者,针对带有标称控制器的HMFV进行变形决策训练,实时获得滑翔过程中不同飞行状态下的最优构型。最后,仿真结果表明所设计的智能变形决策算法收敛效果好,且具备较好的泛化性能。相比于固定外形,可通过变形使得在不同状态下的升阻比保持最优,且与考虑单一决策指标相比,考虑综合指标最优的变形决策可进一步缩小姿态动态跟踪误差。     

否定中国传统文化的里程碑--<中国儒教史>批评之三

本文是针对张荣明先生《儒教研究的里程碑》一文而作，是针对张先生所涉及到的相关问题而言，不妥之处，敬请各方批评指正。     

实例推理中遗传训练算法用于机械失效模式识别的研究

采用实例推理和遗传算法相结合的方法，研究了航空机械零部件失效模式识别的问题。对用于识别的失效属性的选择、检索相似度计算、训练用遗传算法的适应度函数设计以及训练策略的影响进行了较为详细的描述。应用测试表明，对包含分布均衡的3种模式的情况取得了高于74．67％的识别率，所获得的最佳权值向量对另外2种模式具有很好的识别精度（大于73．3％），对混合多模式情况也具有较好的推广能力。验证了该方法对航空零部件失效模式的识别是可行的。     

基于迭代学习的PID控制器研究

将目前对u(t)的记忆与修正改成对期望控制ud(t)的记忆与修正,提出两种新的拟合控制系统的PID控制器参数的方法。这两种方法实现的PID控制器较常规的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性。研究目的是为迭代学习控制理论在设计性能优良的控制器方面扩大应用领域。     

支持向量机增量学习方法及应用

基于支持向量机的增量学习作为一种数据挖掘与知识发现技术,已在目标识别,网页分类等诸多领城得到应用.在概述其机理的基础上,从如何提高学习精度与学习速度着手,分析了现有算法及其优缺点和需要改进的问题;论述了增量学习的应用现状,并提出进一步的研究方向.     

短纤维补强硅橡胶包覆材料研究

介绍了短纤维对橡胶补强的特性和机理。研究了四种纤维对用作火箭推进剂包覆材料的室温硫化（ＲＴＶ）硅橡胶力学性能的影响，分别考查了不同长度的碳纤维和不同添加量的高硅氧玻璃纤维补强后硅橡胶作用效果。