基于干扰观测器的四旋翼无人机离散时间容错控制

为了飞行控制方案便于在计算机上实现，针对具有外部干扰和执行器加性故障的四旋翼无人机（UAV）角度运动方程，给出一种基于干扰观测器的离散时间跟踪控制方案。通过设计离散时间干扰观测器抑制外部干扰和执行器故障的不利影响，并结合干扰观测器设计离散时间控制器。通过数值仿真验证了基于干扰观测器的离散时间容错控制方案的有效性。仿真结果表明，设计的离散控制器能够保证外部干扰和执行器故障综合作用下的四旋翼UAV系统跟踪控制性能。     

建构主义教学模式对大学生学习方式影响研究

建构主义教学模式对大学生学习方式有重要影响,通过实证研究方法,研究了课堂环境下建构主义教学模式与大学生学习方式之间的内在关系。研究结果表明：以互动性、自主性为特征的建构主义教学模式与深层学习方式显著正相关,教学模式中的自主性对深层动机和策略的影响均显著高于互动性,且自主性可以更为有效地促使学生采用深层学习方式。     

论外语学习焦虑对语言输出的影响

外语学习焦虑作为个体差异的一个组成部分，给外语学习效果带来不可忽视的影响。在二语习得过程中，外语学习焦虑不仅作用于语言输入，也作用于语言输出。就语言输出而言，外语学习焦虑主要作用于学习者的语言输出心理，具体表现在语言输出方式、语言输出数量和语言输出质量三个方面。因此，降低外语学习焦虑度有助于端正学习者的语言输出心理，丰富语言输出形式，提高语言输出数量，改善语言输出质量，以优化学习效果。     

影响大学生英语学习倦怠的情感因素

关于英语学习倦怠的现有研究主要集中于"倦怠"的测量、表现、产生及应对策略上,而针对影响倦怠的因素特别是情感因素的分析较少。情感涉及学习者个体对语言的认知以及对语言教学环境的心理反应等诸多方面,是语言教学中不容忽视的因素。本文以英语语言学习规律为背景,分析学习信念、学习焦虑、社交恐惧和自我效能感等情感因素对英语学习倦怠的影响。     

“任务驱动”下的计算机专业课程教学实践与探索

本文总结了“任务驱动”在教学中的应用，提出了“任务”设计要全方位立体化进行考虑；评价要全方位多样化。指出了“任务驱动”必须与多种教学法优化组合，才能发挥其最大教学效率。     

空管系统第二批学习实践科学发展观活动总结大会召开

8月18日，民航局空管局党委召开空管系统第二批学习实践科学发展观活动总结视频大会，空管局全体局领导均出席了会议。会议由民航局空管局局长苏兰根主持，党委书记周毅洲作重要讲话。今年‘3月12日以来，空管系统700多个基层党组织、1万余名党员按照中央、民航局党组和空管局党委的统一部署，紧紧围绕“夯实安全基础，推进一体化建设，实现空管系统又好又快发展”这个主题，密切联系空管安全运行和各单位的实际，集中参加了学习调研、分析检查、整改落实三个阶段六个主要环节的第二批学习实践科学发展观活动。空管系统各级党委对活动高度重视，加强领导，严密组织，及时指导，狠抓落实，     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

改进PointNetLK的点云智能配准与位姿图优化方法

针对空间在轨服务任务中的非合作目标相对位姿测量问题,提出一种目标可测部位点云的智能配准方法。首先,通过Straight Through滤波算法对半物理仿真平台采集得到的点云进行目标提取,以消除背景数据等杂乱信息;其次,改进PointNetLK神经网络点云配准算法,将提取后的点云数据作为输入,从而获得初步配准结果,解决非合作目标先验信息缺失导致的无法配准问题;最后,建立基于位姿图的优化模型,以降低配准误差,提高配准精度。实验结果表明,与传统迭代最近点(ICP)算法相比,配准综合误差从6.3598降低到1.7291,精度提高约 72.81% 单次耗时从33.16 s降低到4.2 s,效率提升约87.33%,与当前SM ICP等其他算法相比,也具有一定的优势。     

MBD环境下计算机辅助零件分类技术

针对MBD环境下的零件分类问题，研究MBD信息提取、零件编码转换和深度学习分类算法技术，并创建MBD-计算机辅助零件分类系统（MBD-CAPC），实现从输入MBD模型到输出零件分类结果的自动化。