月面无人自主采样返回任务动力下降点确定及验证

动力下降点确定是实施月面软着陆的重要环节,是多系统间复杂迭代的过程,涉及轨道设计、制导律设计、着陆目标的采样区确定、着陆及起飞安全分析。其设计结果直接影响了最终着陆点的位置和着陆过程的着陆安全,也间接影响采样安全和采样工程目标的实现结果。针对嫦娥五号在实施月面软着陆前确定动力下降点的任务需求,提出了通过多次轨道控制与最优标称制导轨迹搜索联合控制策略的动力下降点确定方法。首先,根据月面无人自主采样返回任务设计总结了动力下降点确定原理和约束条件;然后,详细论述了月面无人自主采样返回任务软着陆过程动力下降点确定方法;最后,通过嫦娥五号在着陆前主要的几次轨控实施结果分析了其对动力下降点的影响,同时综合了着陆区地形分析及着陆、起飞安全性分析,对动力下降点进行确定并根据最终在轨飞行结果进行验证。验证结果表明,基于“逐次逼近寻优方法”的月面软着陆环节动力下降点的确定方法有效,可以为后续地外天体软着陆等任务提供参考和借鉴。     

弹道导弹(BM)对抗中的识别与反识别技术

弹道导弹与反导防御是矛与盾的关系,它们之间对抗的核心是突防与识别。综合提出了弹道导弹的主要突防措施和识别手段,并给出了相应的对策和建议。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

多模型GGIW-GLMB算法跟踪机动群目标

针对多个机动群目标跟踪问题,提出了一种多模型伽马高斯逆威夏特-广义标签多贝努利（MM-GGIW-GLMB）算法。采用多模型算法对群目标进行运动建模,利用最适高斯（BFG）近似在预测阶段对多模型进行融合,减小了多模型算法的运算量,为进一步提高算法在目标机动阶段的跟踪性能,引入强跟踪滤波器（STF）对BFG算法得到的预测状态协方差进行修正。利用最优次模式分配（OSPA）距离及其一倍标准差和航迹标签正确率衡量算法对机动群目标的跟踪性能。仿真结果表明,本文算法能够提升对机动群目标的跟踪精度和稳定性。      

巡航导弹领弹——从弹协同攻击末段

为了提高巡航导弹打击效果,协同攻击成了未来作战的必然趋势.基于此背景,在巡航导弹领弹——从弹协同攻击策略的基础上,提出了一种末段目标定位策略,对固定目标的定位进行了研究,讨论了基于扩展Kalman滤波(EKF)的无源定位方法.     

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。     

电容近感探测目标多样性研究

基于探测器探测目标的多样性,从静电场出发,对极间电位移和电场强度特性进行了研究,进而分析了极问电容变化的本质并进行仿真。仿真结果表明目标切割电力线长度和目标相对电容率是影响极间电容变化的两个重要目标参数,目标切割电力线越长,极间电容变化越大;目标相对电容率对极间电容变化的影响很小,与Marconi公司实测的电容探测器炸高散布小的结论一致。     

空间绳系机器人单目视觉伺服控制系统

为解决空间绳系机器人近距离交会对接中的目标测量问题,设计了一种单目视觉伺服控制系统。该系统针对小模板在大场景中匹配时存在鲁棒性差、耗时长等缺点,采用了一种新的模板匹配算法。匹配模板借鉴FAST算法的空心圆环结构,使得算法具有旋转不变性,也减小了因背景变化引起的累积误差。同时匹配准则采用灰度值+梯度值的复合算子,具有较强的抗噪声和抑制光照变化的能力。为避免因错误匹配和遮挡等引起的跟踪失败,还设计了动态模板更新策略;最后结合最小二乘综合位置预测方法和PD控制器,实现了对复杂场景中的非合作目标的实时跟踪逼近。     

基于STF的Jerk模型自适应机动目标跟踪算法

在Jerk模型的基础上,提出了一种新的机动目标自适应跟踪算法STF-Jerk。该算法通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,增强了系统对突发机动的自适应跟踪能力,从而很好地改善了Jerk模型在跟踪机动目标时的跟踪精度。仿真结果表明,提出的STF-Jerk自适应跟踪算法显著提高了Jerk模型自适应算法的机动目标跟踪性能。     

基于CenterNet的航空遥感图像目标检测

为实现高精度的航空图像目标检测,将Anchor free的目标检测算法CenterNet应用到检测中,同时使用Resnet50主干网络,并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD与DIOR数据集上进行测试,结果显示在保证网络轻量化的前提下检测精度有明显的提高,证明了算法在航空目标检测方面的可行性与准确性。