电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

基于自适应动态规划的航空航天飞行器鲁棒控制研究综述

自适应动态规划方法(ADP)是一种基于强化学习框架的智能控制方法,通过函数近似技术,最终得到动态规划问题的近似最优控制策略.本文对ADP方法在航空航天飞行器鲁棒控制的研究进行综述.首先,介绍了ADP方法基本结构框架与典型算法实现原理.进一步,对于ADP方法在高超声速飞行器系统,导航制导系统以及无人机系统在鲁棒控制中的相关研究进行介绍.最后,对未来航空航天飞行器领域ADP方法的发展前景进行了分析.     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

小孔法测量非均匀残余应力的数据处理与误差分析

讨论了逐层钻孔法测量非均匀残余应力的释放应变处理和测量误差对残余应力计算精度的影响。利用转换应力、转换应变,可方便地计算残余应力值。受小孔法本身缺陷的限制,计算所得残余应力误差随孔深增加而加大,测量深度约为应变片平均半径的一半。     

基于FMECA信息的测试性验证试验样本分配方法

针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。     

空间小推力轨道最优Bang-Bang控制的两类延拓解法综述

介绍了空间小推力轨道优化问题中的最优Bang-Bang控制问题,对两类延拓解法给出了描述:第一类解法首先求解能量最优解,然后采用能量–燃耗同伦得到最优Bang-Bang控制;第二类解法引入推力开关切换准则,以双脉冲解作为初解,通过参数延拓得到最优Bang-Bang控制。对两类延拓解法进行了比较,指出了各自的优势与特点。对延拓方法应用于求解更加复杂的小推力轨道设计问题进行了展望,提出了包含初解、延拓与拼接三要素的人工智能轨道优化概念。     

基于同伦方法三体问题小推力推进转移轨道设计

提出一种基于同伦方法限制性三体问题小推力推进转移轨道设计方法。首先根据最优控制原理分析了航天器在轨道转移中不同性能指标时的最优控制律,然后引入同伦参数构造新的性能指标,在基于遗传算法和打靶法得到能量最优的解基础上,采用伪弧长法跟踪同伦轨迹,进而得到燃料最优的转移轨道。最后对地月系下从GEO轨道到L1点Lyapunov轨道的转移轨道进行优化。仿真结果表明:利用遗传算法能优化得到较为合适的流形拼接点和协态变量初始值,利用打靶法能有效地优化得到小推力燃料最优转移轨道。     

飞翼模型高速风洞PIV试验研究

对小展弦比飞翼标模在2.4米跨声速风洞中创新开展了PIV试验。对空风洞进行了测速校核,并对小展弦比飞翼标模开展了二维、三维涡迹PIV测试,试验马赫数为0.4~0.9。测试结果表明,2.4m风洞PIV试验数据具有较高的准确度,M≤0.8时空风洞测速结果与理论值相差不超过1%,M=0.9时相差不超过2%。小展弦比飞翼标模测试结果显示,M数增大使机翼尾涡涡量和切向速度增大,涡核向内展向方向移动。前缘涡与上翼面分离具有密切关系:当M=0.8、α≤12°时,翼梢测试截面的前缘涡尚未破裂,上翼面未发生显著的流动分离;当α≥13°时,前缘涡破碎时机提前,当地后1/2弦长区域产生了比较明显的流动分离。