神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

2008年发射的"月球坑观测与感知卫星"

2008年10月,美国"月球坑观测与感知卫星"(LCROSS)将作为次要有效载荷与"月球勘测轨道器"(LRO)一起搭载在"改进型一次性运载火箭"(EELV)上,从肯尼迪航天中心发射升空.LCROSS的主要任务是在月球南极寻找水冰.     

人工释能法求解线性代数方程组

本文建立求解线性代数方程组的人工释能法迭代格式,并给出该迭代格式收敛的充分必要条件和最佳释能时机,同时给出实现人工释能法的数值计算方法及其数值稳定性条件。     

基于SMABC算法的FPRM逻辑电路面积优化

固定极性Reed-Muller (FPRM)逻辑电路面积优化是当前集成电路设计领域的研究热点。但现有FPRM逻辑电路面积优化方法存在优化效率低和优化效果差等问题。FPRM逻辑电路面积优化属于组合优化问题，提出一种自适应混合人工蜂群(SMABC)算法。所提算法在引领蜂搜索阶段引入细菌觅食算法中的细菌趋化行为，使引领蜂向靠近优秀蜜源的方向搜索，提高了所提算法的收敛速度；对跟随蜂的选择概率进行改进使其依据种群的变化自适应改变，提高了所提算法的全局搜索能力；对侦查蜂的转换条件进行改进，增加了侦查蜂在进化过程中的扰动幅度；且在进化过程中引入精英保留策略以提高种群质量。此外，提出一种基于SMABC算法的FPRM逻辑电路面积优化方法，所提方法收敛速度最快且面积优化率最高为54.62%，平均面积优化率为15.33%。     

基于SP-ABC算法的数控铣削参数优化

针对铣削加工中成本最低的优化问题,采用一种改进的人工蜂群(SP-ABC)算法对铣削参数进行优化.在基本ABC算法的基础上,嵌入粒子群(PSO)算法,以提高算法的局部寻优能力.此外,不同于传统的单工序优化,建立的优化目标模型,在考虑实际生产过程中的各种约束条件下,可同时对粗、精两个阶段多道工序同步进行优化.计算机仿真结果表明,相较其他的基本算法,该算法能够找到更优的铣削参数组合,从而实现铣削加工过程的成本最低化.     

RFID技术在航空领域的应用研究

射频识别(RFID)技术现已广泛用于物流、金融、零售等各个行业.航空领域的RFID应用起步较晚,通过对RFID技术在飞机制造商、原始设备生产厂家(OEM)、航空公司的一些典型的应用案例的分析,提出RFID技术应用于航空领域所面临的挑战及必要性,为其未来航空业自动识别技术的发展指明了方向.     

基于人工地标的移动机器人定位与调整技术

在飞机大型构件测量领域,针对测量设备自动化转站时存在移动机器人无法准确到达站位的问题,提出了采用基于人工地标的移动机器人定位与调整技术实现转站时的精确定位。其次,设计了一种人工地标,给出使用激光跟踪仪的地标标定工装以及标定方法,通过该方法可得到地标在全局坐标系下的坐标。同时,介绍了地标的编码与位姿的解算方法,以及移动机器人位姿调整策略。最后,试验表明,人工地标测量的位置和角度误差均较小,移动机器人通过人工地标的定位与调整后的精度可以满足自动化转站的精度要求。     

基于多标签协同学习的跨域行人重识别

跨域是行人重识别的重要应用场景,但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题,提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示,以引导构建更关注行人前景区域的局部特征,达到语义对齐的目的,减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征,利用协同学习平均模型生成行人重识别模型的多标签表示,减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型,提高行人重识别模型的识别能力。实验结果表明：在Market-1501→DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上,与NRMT方法相比,平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%,多标签协同学习方法具有显著的优越性。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。     

低雷诺数下小展弦比机翼的气动力优化设计

以固定翼式微型飞行器为研究背景,针对小展弦比机翼,将遗传算法与Navier-Stokes方程数值解法相结合,提出了一种以实数编码为基础的数值优化模型.流场数值模拟采用人工压缩方法,遗传算法采用锦标赛选择、自适应交叉和变异操作算子,对微型飞行器机翼选取五个设计点分别进行了升阻比优化设计.优化结果表明,本文的优化模型具有较高的搜索效率和显著的优化效果,五个设计点机翼的升阻比均提高30%以上.优化后的翼面接近椭圆形状,翼型前缘钝厚,尾缘向上拱起,这种形状能大大增加升力,降低诱导阻力,从而显著提高机翼的气动性能.