基于改进Unet++的丘陵地区耕地地块深度分割与提取

丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明：改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。     

基于深度监督的TransUNet可见光卫星图像分割

随着人造卫星技术的不断发展,给民用探测带来了诸多便利的同时,也带来了越来越多的挑战。精确定位卫星的重要部件,对故障卫星和太空垃圾的准确抓捕和维修至关重要。文章提出基于深度监督的TransUNet(Deep Supervised TransUNet:DSTransUNet)对卫星目标、星体和太阳翼进行像素级的识别与分割。通过对TransUNet解码过程中多层神经网络特征图进行深度监督,提高可见光卫星图像的分割精度,并进一步通过仿真方法构建卫星部件图像数据集,使用交叉验证的方法对DSTransUNet及7种现有神经网络深度学习方法的分割精度进行了评估。文章提出的方法对卫星星体的分割准确率达到90.51%±6.86%,对卫星太阳翼的分割准确率达到91.63%±13.07%,对宇宙背景的分割准确率达到97.43%±2.85%,对数据集的总体像素分割准确率达到了97.08%±3.37%,其分割性能优于其他神经网络模型。     

基于集成学习的航空发动机排气温度预测

准确预测排气温度对预知航空发动机未来的工作状态至关重要。然而,传统航空发动机排气温度预测模型存在预测精度有限、对时间序列数据的信息利用率不足等问题。提出了一种多模型集成的航空发动机排气温度预测方法,被集成的子模型包括差分整合移动平均自回归模型、一次指数平滑模型和门控循环单元。对所有子模型的预测序列进行加权集成处理,提出了一种在历史发动机性能参数数据上学习最优权重系数的方法,避免了传统优化算法依赖于初始点的选取且其适用性局限于可微函数等问题。在Cessna-172R型飞机发动机排气温度预测问题中相较子模型准确性更高。     

基于强化学习方法的航班滑出时间预测研究

航班的滑出时间是描述机场场面运行状态和周转效率的关键指标,其不确定性会降低航班到达目的机场的可预见性,进而带来航空资源的低效利用和燃油耗费问题。研究了一种基于强化学习的航班滑出时间预测模型。从交通状态和时序特性方面分析并提取影响滑出时间的主要特征集;利用马尔科夫决策过程建模滑出时间预测问题,并通过强化学习算法进行模型训练和测试。在真实机场场面运行数据中进行的实验表明,所提出方法不仅能够准确预测单个航班的滑出时间,还能够捕捉机场场面整体的滑行态势的变化情况,为智慧机场的建设提供新思路。     

非结构网格热化学非平衡Navier-Stokes方程组求解技术研究

采用非结构混合网格数值求解三维热化学非平衡Navier-Stokes方程组获得高超声速流场各组分气动热力学参数,并计算物面热流值。利用有限速率化学反应模型和二温度气体模型分别描述化学非平衡和热力学非平衡过程,通过Park振动——离解模型刻画化学非平衡和热力学非平衡耦合效应。无黏通量项采用AUSM格式离散;对无黏通量项和源项采用隐式时间推进格式,增强数值求解过程稳定性。数值算例表明,为得到正确的物面热流值,非结构混合网格边界层y+需减小至0.5,且网格增长率不超过1.4;采用元素摩尔数守恒关系式计算化学反应源项,可有效降低数值残差积累对计算小组分气体的不利影响,提高各气体组分计算准确度。     

行星着陆轨迹优化技术研究进展

针对行星大气进入、动力下降过程动力学环境及约束条件等进行了分析,回顾了近年来行星着陆轨迹优化的研究现状.在此基础上,结合行星着陆轨迹优化技术在动力学特征、约束条件、不确定环境方面的特点,从非线性动力学的等价/近似变换技术、复杂约束条件下的最优轨迹快速求解技术、不确定条件下的能控/能达性分析技术三个方面,对行星着陆轨迹优...     

基于模型迁移学习的滚动轴承智能故障诊断方法

针对滚动轴承故障诊断中可用的故障数据较少,同时基于数据驱动的故障诊断模型在训练过程中需要耗费大量的时间和计算资源的问题,提出一种基于EfficientNet模型迁移学习的滚动轴承智能故障诊断方法。首先,利用信号转化图像的方法,将不同健康类别滚动轴承振动信号生成相应的训练集和测试集;然后,将经过预训练的EfficientNet模型,通过参数共享迁移到训练集上进行训练并微调,以达到模型最佳参数;最后,通过测试集验证模型的故障诊断能力。在双转子高速滚动轴承故障数据集上,对提出的故障诊断方法进行了验证。结果表明：在不同工况下,所提出故障诊断方法的准确率最高能达到99.48%,优于传统的数据驱动故障诊断方法,具有较好的应用前景。     

基于间接法的最优小推力逃逸轨道设计

目前,小推力逃逸轨道优化的大部分研究限于平面内逃逸或对发动机模型做无约束简化处理.通过在性能指标中引入一个待定参数,采用间接法将系统两点边值问题的待定参数约束在多维单位球里;同时结合同伦思想和曲线拟合技术,由短时间无约束平面内燃料最优逃逸问题开始,逐步求解长时间有约束平面外燃料最优逃逸问题.数值仿真结果表明该方法收敛性好,能求解复杂逃逸问题,是一种高效的逃逸轨道设计方法.     

七鳃鳗神经系统的混沌仿真

使用WLC网络模型对七鳃鳗神经系统进行建模,提出一种计算最大李亚普诺夫指数的新方法——改进的小数据量法,典型非线性系统的仿真结果表明,同Wolf方法相比,新算法得到的结果更加精确。基于新算法的数值仿真表明,当没有外界刺激时,七鳃神经系统处于稳定秋态,随着外界刺激的不断增加,七鳃鳗神经系统逐渐进入混沌状态,但是,当外部刺激增加到一定程度以后,七鳃神经系统又回到稳定状态。     

基于VxWorks的小天体撞击任务的星载GNC软件设计

针对小天体撞击任务,应用VxWorks嵌入式实时操作系统,设计小天体高速撞击器的星载GNC软件部分．对星载GNC系统结构进行简要描述;在此基础上,综合考虑小天体撞击任务的实时性要求、不同飞行模式的耦合关系、轨道确定的数学运算量以及对不同敏感器数据采集的周期性控制等多方面因素,对小天体撞击任务进行模块化分解,提出各个任务模块间的同步方式与通信手段;在PC-104嵌入式计算机与dSPACE实时仿真平台的联合环境下,对所设计的星载GNC软件进行仿真验证,结果表明,基于VxWorks嵌入式实时操作系统所设计的小天体撞击GNC软件完全可以满足小天体撞击任务的实时性要求,为撞击任务的顺利进行提供有效的保证．