基于Java语言的GIS系统在电信网管系统中的开发应用

随着计算机和通信业的迅速发展,人们对电信网络管理系统的要求越来越高,不仅需要拓扑图的显示,还要求系统能进行快速的故障定位,所以要求网管系统能与GIS系统结合.本文介绍了基于java语言的GIS系统的开发过程,及如何将GIS集成到综合电信网管系统中,并就实际开发中出现的问题提出相应的解决方案.     

星座自主导航系统设计与实现

基于星间测量的星座自主导航系统的设计与实现,方案中针对计算量过大问题,引入分组并行机制。在充分分析卫星轨道动力学的基础上,利用卫星网的网形约束进行整网平差,首次提出动力学和几何法相结合的自主导航算法。通过实际GPS数据进行仿真与检验,仿真结果表明：该方法精度高,满足卫星星座自主生存的要求,设计方案可行。     

采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法开发高载荷透平动叶片

为了提高透平的内效率及降低制造成本,采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法,开发了一种高载荷动叶片。该叶片是以5个截面的重心沿径向积叠而成。每个截面的内背弧是以基于叶型中弧线的Bezier曲线来构造。三维流动分析表明,新叶片提高效率0．5％。通过减少叶片数约15％,新开发的高载荷动叶片不仅有效地提高了透平的内效率,同时降低了透平重量和制造成本。     

任务空间内空间机器人鲁棒智能控制器设计

研究了基于神经网络的自由漂浮空间机器人在任务空间内的轨迹跟踪问题。首先利用RBF神经网络来逼近自由漂浮空间机器人高度非线性的动力学模型，然后设计了鲁棒控制器对逼近误差和外部干扰进行抑制。利用Lyapunov直接方法建立的新的神经网络参数和连接权值的在线学习算法，以及利用耗散理论设计的鲁棒控制器保证了系统的稳定性，并能够使系统L2增益小于给定的指标。利用该控制器对平面二连杆空间机器人进行了仿真研究，表明该智能控制方案是有效的。     

关于网络伦理问题的研究与思考

人类进入21世纪,人们感受到了信息技术给人类的交往、学习、工作和生活带来极大便利,促进了人的全面发展和社会进步。但也出现了网络“道德真空”和“道德沦丧”,因此关于网络伦理问题的研究也就摆在了我们面前。     

月球表层采样样品智能确认方法

表层采样是月球采样探测的重要方式,样品智能确认有助于提升工作效率与复杂问题处理能力。结合月球表层采样铲挖工作过程,分析了铲挖过程中臂载相机图像的特点,模仿有人参与识别过程,提出了层次解耦的月球样品智能识别流程,利用深度学习方法构建了一类深度卷积识别网络,完整地描述了图像、特征、标记在网络中的正反传递关系,并在月球表层采样地面试验中进行了验证,结果表明该方法对不同光照、不同背景、不同过程、不同形态的样品,具有较好的泛化识别能力,误识别率优于8.1%,平均单幅识别时间约0.7 s。     

箭载无线传感器网络动态业务分配方法研究

无线传感器网络技术是新一代火箭测量系统中的关键技术之一,为实现箭上无线传感器节点业务动态变化场景下的信道资源无冲突分配,提出了一种基于优先级的动态业务分配方法——基于优先级的动态占空比节能位图辅助MAC协议(PD-EBMA)。主要思想是利用位图辅助适应业务量的动态变化、搭载预约的方式减少控制信息开销、背包算法提高信道利用率和降低时延,以及在流量较小时延不敏感的场景中使用动态占空比的思想降低能量开销。仿真结果表明:相比传统固定时隙的分配方式,PD-EBMA可以大幅提升网络灵活性,同时能耗和时延特性也得到显著改善。     

面向在轨高效实时图像处理的二值权重沙漏网络加速器设计

为了实现在轨高速实时图像处理,提出了基于多级预测校准机制及查找表方法的二值权重沙漏网络加速器.首先,提出了一种计算架构来统一支持二值权重及多位宽权重卷积计算;其次,提出了多级预测模型来实现可变精度的高效卷积,基于这2种方法可以将网络的计算量降低77.4％,推理速度提升2.3倍.本文针对残差模块中跳转连接造成的存储访问问...     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。