基于反馈线性化的动能拦截器姿态控制研究

动能拦截器进入末制导阶段时经常需要进行大角度姿态机动,这时拦截器姿态控制系统具有非线性、强耦合、多输入多数出(MIMO)的特点。现针对动能拦截器模型的非线性和不确定性,提出PID神经网络自适应逆控制方法对拦截器飞行姿态进行控制。首先基于精确反馈线性化方法将系统解耦成三个独立的子系统,然后应用基于PID神经网络的自适应逆控制方法分别设计每个子系统的姿态控制器。该方法将PID神经网络控制与自适应逆控制相结合,对于拦截器姿态控制系统中的建模误差以及外部干扰具有较强的适应能力。仿真结果证明了该方法的有效性。     

一种实用的边缘强度互相关匹配可信度分析方法

匹配可信度是衡量匹配质量的重要指标，针对归一化边缘强度互相关匹配算法，研究了基于神经网络的匹配可信度判别方法。通过对参考图进行加噪实验获得训练样本，对BP网络进行训练，并将训练后的网络用于匹配可信度的判别。针对实际卫片与航片图像对的实验结果，平均判决正确率达到90％以上，证实了该方法的有效性。     

战术数据链的协同互连问题研究

通过分析美军以及北约战术数据链的基本特点及其性能,提出了战术数据链的协同互连问题,并给出了相应的解决方案,最后结合我国实际情况对我国战术数据链的发展和规划提出了一些建设性意见。     

一种改进的卫星宽带网络拥塞控制算法

以卫星宽带网络为应用背景,从卫星宽带网络的特点出发,设计并实现了一种新 的TCP拥塞控制算法——TCPCA。针对卫星网络高误码率的特点,在接收端采用了Casablan ca分类器区分链路丢包和拥塞丢包。为了克服由大时延带来的重传时间间隔过大的缺点,采 用了批量重传来及时重传丢失的报文段;同时针对大时延致使网络恢复时间延长的缺点,在 发送端采用智能窗口调整策略,避免由于链路错误而减小发送窗口导致的吞吐量下降。利用 仿真软件NS2,通过和传统的TCP拥塞控制机制相比较,TCPCA算法能够提高吞吐量,并且保 证了公平性和友好性。〖JP〗     

基于空谱融合特征主动学习的高光谱图像分类

针对高光谱图像分类过程中存在的样本量少和分类精度低的问题,提出一种基于空谱融合特征主动学习的高光谱图像分类方法。主要包括构造三通道图像,全卷积网络提取空间特征,空谱特征结合,主动学习方法选择训练样本几个部分。通过结合像素的光谱特性和相邻像素间的空间关联,提取出可以反映像素空谱联合特性的综合特征,提高了像素特征的表达能力。为克服高光谱图像标注数据少、缺乏训练样本的问题,应用主动学习算法,充分选择更具有代表性的样本进行训练,达到少样本情况下较高的分类正确率。通过在标准数据集上进行实验,结果表明:该方法可以达到在总样本数1%作训练样本的情况下,分类正确率达到99.79%,优于传统的高光谱分类算法。     

链路状态感知的低轨卫星网络路由机制

低轨卫星的空间组网能够突破地形限制,实现全天候、高带宽、低时延、广覆盖的数据通信,弥补地面通信系统的不足,使通信服务全球化成为可能。但是,卫星节点的快速移动和能量受限使得空间链路面临高动态、不可靠、间歇性等问题。同时接入用户的分布不均容易导致卫星网络出现重载节点和局部拥塞的情况,这对空间组网和数据传输提出了新的挑战。传统的静态卫星组网模式可靠性差,可伸缩性低,难以适应空间动态组网的需求。针对低轨卫星网络拓扑变化快的特点,提出链路状态感知的路由机制,在降低卫星能耗的同时减轻网络的局部拥塞,使用树莓派搭建半实物仿真平台,并在该平台上进行实验,验证了该机制的有效性。     

基于改进注意力机制CNN-ATT的区域性ZTD预测模型

基于天顶对流层延迟（ZTD）的强时空特征,提出了一种融合卷积神经网络的改进注意力机制（CNN-ATT）的多站点ZTD组合预测模型。该模型首次将多源数据（包括日解算精度、年积日(DOY) 和三维坐标）综合运用于ZTD预测任务。通过对南宁市的5个参考站（CORS）和14个国际GNSS服务（IGS）站点共1 501个年积日的观测数据进行研究,选取传统BP模型、GPT2w模型和ATT模型作为基线模型进行实验对比分析。研究结果显示,在预测精度方面,改进的CNN-ATT模型与BP模型相比其均方误差（MSE）和平均绝对误差（MAE）分别减少了5.5 mm和 4.4 mm,预测精度分别提高了41.4%和67.8%;与ATT模型相比,CNN-ATT模型的预测MSE和MAE也分别减少了4.6 mm和2.1 mm,预测精度分别提升了36.2%和50.0%。在定位精度方面,改进的CNN-ATT模型的精度表现优于SAAS,GPT2w,BP以及ATT模型。并且与传统SAAS对流层模型相比,CNN-ATT模型在N,E,U 3个方向的精度提升高达18.2%,12.6%和31.0%。此外,研究还发现CNN-ATT模型在长预测时间步长中的精度表现更为稳定,更适合多测站预测任务,并且其精密单点定位（PPP）收敛速度更快。     

基于惯性导航/无线传感器网络组合的采煤机定位方法研究

采煤机是井下综采工作面的重要设备,采煤机精确定位技术是煤矿生产装备自动化的关键技术之一。为了实现高精度定位满足井下综采自动化作业需求,提出了基于惯性导航/无线传感器网络组合的采煤机定位方法。采用锚节点安置于液压支架上,移动节点与惯导固定安装于采煤机上的配置方案,利用位置已知的锚节点测距信息估计和修正惯导误差,同时实施对安置于推进过程中的液压支架上锚节点(未知节点)位置信息的实时校准,从而达到采煤机高精度定位、无线传感器网络节点动态自动调节的目的。通过试验对所提方法的有效性进行了验证,结果表明,所釆用方法对釆煤机轨迹具有良好跟踪性能,水平定位误差不超过1.57 cm/h。     

Topology tracking of dynamic UAV wireless networks

Wireless network is the communication foundation that supports the intelligentization of Unmanned Aerial Vehicle(UAV) swarm. The topology of UAV communication network is the key to understanding and analyzing the behavior of UAV swarm, thus supporting the further prediction of UAV operations. However, the UAV swarm network topology varies over time due to the high mobility and diversified mission requirements of UAVs. Therefore, it is important but challenging to research dynamic topology infere...     

Analytical redundancy of variable cycle engine based on variable-weights neural network

In this paper, variable-weights neural network is proposed to construct variable cycle engine’s analytical redundancy, when all control variables and environmental variables are changing simultaneously, also accompanied with the whole engine’s degradation. In another word,variable-weights neural network is proposed to solve a multi-variable, strongly nonlinear, dynamic and time-varying problem. By making weights a function of input, variable-weights neural network’s nonlinear expressive capabili...