大气探测激光雷达组网观测一致性研究

通过激光遥感获取气溶胶、云垂直分布情况,对研究气溶胶、云微物理特性、辐射强迫效应以及污染物传输等具有重大意义。在实际应用中激光雷达受激光器能量、发散角以及透过率等影响,会导致各雷达面对同一目标物探测数据不一致。随着地基大气探测激光雷达逐步规模化、标准化,对雷达组网观测一致性开展研究具有重要意义。为保证组网激光雷达数据高质量和高可靠性,在雷达系统自标定基础上,利用太阳光度计、大气分子模型获取激光雷达系统常数,确保各激光雷达回波信号定量可比。通过激光雷达组网观测进行探测目标一致性比对试验,以验证激光雷达系统探测一致性精度。结果表明：标定后,532 nm距离修正信号在1~2 km区间相对偏差从64.89%降低到22.16%,在2~5 km区间相对偏差从49.26%降低到8.90%,在9.5~11.5 km相对偏差从46.83%降低到10.91%;532 nm退偏比在1~2 km区间相对偏差从69.68%降低到20.68%,在2~5 km区间相对偏差从71.24%降低到6.69%,在9.5~11.5 km相对偏差从140.24%降低到9.02%;532 nm后向散射系数在1~2 km区间相对偏差从37.45%降低到23.63%,在2~5 km区间相对偏差从29.15%降低到21.45%,在9.5~11.5 km相对偏差从76.02%降低到24.16%。组网激光雷达数据结果一致性较好,可在多站点进行高精度探测,在气候变化研究、碳排放监测和环境研究等领域发挥重要作用,为大规模大气变化规律研究提供高质量、有效数据。     

运载火箭风场高精度拟合方法

针对运载火箭风场传统拟合方法精度低的问题,提出一种基于最少参数神经网络的高精度拟合方法。该方法将运载火箭飞行高度作为网络输入,将风场的速度和朝向作为网络输出,在满足精度要求下使用最少的网络层数和神经元个数完成风场拟合,并给出了隐层节点数的下界公式。和传统的最小二乘多项式拟合及其分段形式相比,最少参数神经网络只使用一套框架即可完成风速和风向的拟合,并提高了拟合精度。大量仿真结果充分说明了所提出方法的有效性、简洁性和鲁棒性。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

基于Hamming神经网络聚类分析的进化策略

本文提出了一种基于Ｈａｍｍｉｎｇ神经网络聚类分析的进化策略,模糊自适应Ｈａｍｍｉｎｇ神经网络各类族的权重矢量纪录被进化搜索过的区域,并相应妄下该区域内最优个体和它的适应度,因此通过Ｈａｍｍｉｎｇ神经网络对进化个体的聚类分析,进化策略具有搜索记忆性,可以充分保证下一代遗传群体中个体遗传基因的丰富性,从而避免早熟现象的发生,这种进化策略还可以避免在被搜索过的区域内的无用搜索,进而加快进化策略的收敛速度     

神经网络在模拟系统故障诊断中的应用

模拟系统的故障检测诊断对于电路设计,ＶＬＳＩ等具有重要意义。而元器件的实际值究竟是有效值还是故障值,以及如何在大规模电路中测量判定它都是一个研究课题。本文利用神经网络的鲁棒性及模拟故障分析中的Ｍｏｂｉｕｓ变换,提出了一种用神经网络帮助故障诊断的有效方法,解决了线性模拟系统的诊断问题。     

载人飞船回收着陆半实物仿真系统关键技术研究

载人飞船回收着陆半实物仿真系统是通过模拟飞船返回压力环境,将回收程控装置硬件实物接入仿真回路的一个半实物仿真试验平台。文章简要介绍了该半实物仿真系统的结构,重点叙述了该半实物仿真系统中特有的负压高精度快速调节压力模拟、多通路指令信号处理、混合式网络、多阶段动力学仿真框架等关键技术。     

基于RBF神经网络的非线性观察器设计

提出了一种新的非线性观察器设计方法。与一般方法采用神经网络逼近整个非线性系统不同，该方法用RBF神经网络逼近系统的非线性项，故提高了状态估计的精度。基于李亚普诺夫方法，证明了状态估计误差渐近稳定且渐近收敛到零。仿真结果表明，所提出的非线性观察器设计方法具有良好的性能。在故障检测、状态估计等领域具有广泛的应用前景。     

双向进气结构脉管制冷机直流形成机理

在脉管制冷机中,由双向进气结构诱发的直流流动,不仅会增加冷端换热器的负载,降低制冷机性能,而且还是引起制冷温度不稳定的重要原因。如何有效地抑制直流流动已成为脉管制冷机能否大规模应用的关键。而对直流形成机理进行全面、深入的研究是发展简单、有效直流抑制手段的前提。针对该研究热点,本文开展了双向进气结构脉管制冷机直流形成机理研究,基于流体网络理论,考察工质物性对直流的影响和作用机理,进一步揭示了直流的形成本质。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。