空间飞行器控制软件的动态自适应演化方法

空间飞行器在太空飞行过程中需要满足多任务、多工作模式以及大范围机动的需求,其控制系统在大范围机动飞行条件下存在大量的外界干扰和内部参数不确定,同时飞行器的自适应过程受限于资源,人工干预难度大,并且现有的成熟的动态自适应方法并不一定适合空间飞行器控制软件进行自主控制,所以目前对自主控制系统软件的动态自适应调整方法提出了更...     

基于深度学习的民航维修记录自动识别技术

针对民航维修行业如何自动识别维修记录上的重要记录区域的问题,本文给出了一种基于深度学习的目标检测算法,通过对飞行记录本照片的训练,使用CNN (循环神经网络),搭配YOLO(You Only Look Once) v3目标检测算法,自动识别出放行签署、工作处理、油量记录等3种重要记录。     

环境减灾二号A/B卫星在辽东湾海冰监测中的应用

为减少由冬季寒潮导致的海冰灾害损失,利用遥感手段对我国高纬度海域海冰风险进行监测,并提供决策支撑。文章利用环境减灾二号A/B卫星的16 m分辨率多光谱数据,采用基于DeepLab V3模型的语义分割方法,对渤海辽东湾地区的海冰范围进行提取和动态分析,得出海冰范围的动态变化规律,并进行提取精度评估。结果表明：利用该方法的海冰提取准确率可以达到97.4%以上,可以满足海冰的日常监测需要,验证了环境减灾二号A/B卫星在风险要素遥感监测的应用能力。     

考虑低空运行环境求解无人机任务分配问题的研究

在低空救援中如何合理地分配无人机的搜救任务长期以来都是研究的重点。在分层级分布式分配方法的基础上建立多目标多无人机任务分配模型,在模型中以搜救费用、无人机使用数量、完成任务的均衡性为目标函数,采用改进的NSGA-Ⅱ算法进行求解。结果表明：本文建立的模型有效,能在不同搜救环境下给出合理有效的分配方案;在搜救中考虑以搜救效率最高为导向时,带来无人机成本和数量的增加;当实际搜救的无人机非常有限时,则需要时间成本的投入;以经济利益为导向时,则会导致搜救时间的增加。     

基于在线学习RBF神经网络的故障预报

提出了一种基于在线学习神经网络的故障预报方法.该方法在网络设计过程中结合了"添加"准则和基于对网络输出贡献相对较小的"剪枝"准则."添加"过程中利用隐层的最大输出判断神经元的活跃性;"剪枝"过程中加入了滑动窗口,避免了误"剪枝".同时,调整过程只对输出响应比较大的神经元进行,大大减少了计算量,提高了实时性.仿真结果表明,利用该算法能够对一类带时变参数的非线性系统进行故障预报.     

基于改进语义分割网络的输电走廊遥感变化检测

利用不同时间卫星遥感图像的变化检测,可以及时发现输电走廊周边的地质灾害、人为破坏和违章建设等潜在风险.目前,由于卷积网络需要池化,基于深度学习的高分辨率遥感图像变化检测通常采用降采样提取抽象特征,导致检测结果分辨率降低.针对这个问题,文章提出一种综合语义分割和孪生网络的变化检测算法,利用语义分割网络的编码功能提取高级抽...     

基于深度强化学习的高超声速飞行器动态面控制方法

针对高超声速飞行器控制问题,通过将深度强化学习与动态面控制方法相结合,设计了智能姿态控制算法。首先,基于模型先验知识,采用传统的动态面控制方法设计控制器结构。然后,考虑跟踪误差和控制量幅值约束的情况下,采用深度学习算法完成对控制器参数的智能寻优,代替传统设计中的人工调参试错过程。为提升训练效果,在奖励函数中引入了控制量变化率。最后,通过数值仿真验证了所设计控制方法的有效性与鲁棒性。