基于局部几何特征的稠密点云配准方法

针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题，提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征，从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上，使用K维树搜索完成局部几何特征描述子的关联工作。最后，通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明，该方法的配准成功率达到92.5%，配准精度达到0.0434m，配准时间相对最邻点迭代配准算法缩短了74.7%，实验结果验证了该方法的有效性、实时性和鲁棒性。     

天文光谱测速导航技术与应用思考

随着我国航天技术的发展,航天器对导航系统的精度、自主性、实时性等综合性能需求越来越高。天文光谱测速导航作为近年来提出的新型自主导航技术,具有直接获取航天器速度信息且实时性好、测速精度高等特点,具有广阔的应用前景。在梳理近年来天文光谱测速导航研究进展的基础上,结合天文光谱测速导航的特点,深入思考并提出了若干天文光谱测速导航技术应用组合。基于当前航天任务的需求和研究的难点,结合国内外技术趋势和我国实际工程需求,指出了天文光谱测速导航技术未来的重点研究方向及内容。天文光谱测速导航为我国航天探测工程任务导航提供了一条崭新的技术途径,对天文光谱测速导航技术的持续研究将有力促进我国航天领域导航技术的发展,提升天文导航理论研究能力和工程研制技术水平。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

航天器自主导航状态估计方法研究综述

自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段,是指实时确定航天器在轨位置、速度和姿态等导航参数,是航天器自主导航技术的重点发展方向之一。首先,针对航天器自主导航的实际需求,阐述了研究航天器自主导航状态估计方法的必要性,具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状;然后,分析并总结状态估计方法在航天器自主导航系统中的实际应用;最后,结合理论研究和实际应用,给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。     

机器学习在流动控制领域的应用及发展趋势

流动控制作为流体力学中的重要跨学科领域,一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征,对流动的控制尤其是闭环控制,一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点,对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法,为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况,进而勾勒出本领域的发展趋势。     

湍流数据同化技术及应用

近年来数据同化（DA）被引入湍流动力学研究中,通过融合实验测量和数值计算,提高了实验测量的精度和广度,改善了数值模拟的预测性能。实验观测、预测模型和同化算法是数据同化的三要素,湍流研究中的实验观测包括热线风速仪、粒子图像测速法（PIV）、压力传感器等局部测量数据,预测模型主要指流动控制方程及湍流封闭方程,而同化算法包括贝叶斯推断、集合卡尔曼滤波（EnKF）、伴随等。稳态数据同化一般结合雷诺平均Navier-Stokes （RANS）模型方程,从重新标定模型常数、修正涡黏模型方程形式误差、修正雷诺应力项等方面着手。非稳态的数据同化一般包括四维变分（4DVar）等时间连续的数据同化方式以及顺序数据同化。4DVar通过时间正向和逆向积分迭代,存储量和计算量都非常大。顺序数据同化不需要时间逆向积分,可以在若干时刻对实验观测进行间断地植入,正向求解整个系统。另外,随着人工智能的飞速发展,湍流数据同化研究也向智能化迈进。对于纯数据驱动的湍流机器学习,其缺乏物理本质的约束,而基于物理信息的机器学习在物理本质上与数据同化是一致的。     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

基于情感的控制策略及其在移动机器人导航中的应用

提出了一种基于情感的移动机器人导航控制策略。根据机器人的导航任务设计了一个情感系统,并与基于行为的机器人系统相结合,构造了基于情感的行为协调控制策略。仿真和比较研究结果表明该控制策略能有效地提高机器人在未知环境中自主导航的能力。     

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

一种基于Hausdorff距离的改进星图识别方法

针对基于Hausdorff距离HD(Hausdorff Distance)识别法存在识别速度慢和对星敏感器镜头旋转特别敏感的问题,提出了一种基于Hausdorff 距离进行星图识别的改进算法,它采用有向距离和绝对距离相结合的方法,利用恒星的空间结构信息,构建有向距离匹配模型;根据镜头旋转特性,建立绝对距离抗旋转模型;对两种模型测试研究确定加权因子,同时选取恰当的匹配识别门限,最终实现匹配识别的性能达到最优.仿真实验结果表明,改进后的算法不但保持了原有算法的高识别率,强抗噪性,而且还具有更快的识别速度和好的抗旋转特性.它在实际工程中已得到成功应用.