阿斯特里姆并购萨里

EADS阿斯特里姆公司和英国萨里卫星技术有限公司1月13日宣布，阿斯特里姆公司已完成了对萨里公司这家由萨里大学分出的小卫星与分系统设计制造公司的并购。并购是在2008年12月得到欧盟委员会批准后进行的。通过此次并购，萨里大学将其持有的萨里公司85％的股份出售给了阿斯特里姆公司。美国太空探索技术公司持有的10％股份也在收购之列。并购后，     

加强业务学习 培养复合型人才

为保证空管事业持续、快速、健康地发展，培养民航系统的复合型人才和专业技术带头人，呼和浩特空管中心技术保障部近日组织各科室对各专业之间进行交叉授课，互相学习，有效提高职工的综合业务能力和空管设备的维护维修水平。     

小展弦比飞机非线性气动特性风洞与飞行相关性研究

在较大迎角范围，如何由风洞试验数据预计全尺寸小展弦比飞机的非线性气动特性，并与飞行值相关，始终是国际航空界致力解决的重大问题，本项研究采用风洞试验与工程计算相结合的方法，对支架，洞壁、进气，喷流，雷诺数及静弹性等影响相关性的诸因素予以修正，并计及配平影响，从而比较准确地预计出全尺寸收音机的非线性气动特性，预计值与试飞值相比较结果验证了本项研究的可靠性和实用性。     

低燃气发生器燃烧温度下管道火箭燃烧试验

低燃气发生器燃烧温度下管道火箭燃烧试验美国海军空中作战中心武器分部（ＮＡＷＣＷＰＮＳ）和荷兰ＴＮＯ普林斯·里茨实验室，制定了研究管道火箭（燃气发生器冲压发动机）燃烧室燃烧现象的联合试验研究计划。主要目的是研究燃烧特性随燃料喷入燃烧室的方法不同而引起的...     

微型卫星的军事应用特点 发展现状与应用前景

本文概述了微型卫星复出的历史背景,重点介绍了其军事应用特点、发展现状和技术途径,并就我国微型卫星技术的发展提出了一些建议。     

高职院校移动学习资源的设计

基于移动学习资源应用现状,结合移动学习相关理论与技术,在高职院校课程的移动学习资源开发上,构建了移动学习资源开发的基本模型,设计了移动学习资源开发标准和原则,并以"民航机场地面服务"课程为例,详述了高职院校移动学习资源的设计与实施.     

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

基于卷积神经网络的结冰翼型气动特性建模

提出了基于卷积神经网络（CNN）的结冰翼型气动特性预测方法，设计了输入层结冰翼型图像规范，克服了复杂冰形在翼面同一位置法线方向存在多值，单值函数难以描述的问题。预测模型可同时预测多个迎角对应的升阻力系数，实现了直接从冰形图像到气动特性的快速预测，对升力系数和阻力系数预测结果的平均相对误差均可控制在8%以内。重点研究了不同卷积层数量、卷积核数量、卷积核尺寸对模型性能的影响规律：CNN的不同层次特征对应不同滤波频率，卷积层数增加会捕获更多高频特征量；增加卷积核数量可提取更多冰形特征，提升模型性能，但数量过多会增加冗余特征，降低模型泛化性能；阻力系数预测模型对卷积核数量的最低要求大于升力系数，其原因在于，相较升力系数，阻力系数不仅受翼面压差影响，还受摩阻特性影响，其建模所需的关键特征数量多于升力系数；增大卷积核尺寸，可扩大卷积操作“视野”，增强对冰形整体特征信息的提取，有利于提升模型泛化性能。相关结论为飞机结冰气动特性实时动态预测与监测提供了新的思路和方法支撑。     

基于时标分解的弹性高超声速飞行器智能控制

考虑弹性高超声速飞行器纵向动力学模型，提出了一种基于时标分解的智能控制方法。考虑刚体状态和弹性模态具有不同的时标特性，采用奇异摄动理论进行快慢时标分解，将模型转换为刚体慢变子系统和弹性快变子系统。针对刚体子系统考虑动力学不确定，基于平行估计模型构造表征不确定逼近效果的预测误差，结合跟踪误差给出复合学习控制策略。针对弹性子系统设计自适应滑模控制稳定弹性模态。通过李雅普诺夫稳定性分析可证系统状态一致终值有界。仿真表明所提出的控制方法能够实现刚弹模态的稳定收敛，且具有更高的跟踪精度、更好的学习性能和更快的收敛速度。