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%。     

基于改进匈牙利算法的航空企业动态调度方法研究

航空零件生产调度时,应尽量满足多目标和实时性的要求。结合某航空制造企业的实际生产情况,提出一种基于"穷尽成对比较"技术和改进匈牙利算法的动态调度方法。首先以航空零件调度时的最大完工时间、生产加工成本以及生产能耗为优化目标,构建柔性作业车间多目标动态调度数学模型;然后利用基于"穷尽成对比较"技术的权重参数调节模型对数学模型中各个目标的权重参数进行实时动态调整;最后以各个目标的加权值为总目标,采用改进匈牙利算法求得工序的最优分配结果。结果表明:与传统的动态调度方法相比,动态调度方法能够有效地提高航空企业的生产效率、减少航空企业的生产加工成本并降低对环境的污染,具有较好的综合调度性能。     

基于覆盖圆的太阳同步回归轨道卫星目标轨迹调整方法

遥感卫星星座在环境监测、地理测绘等领域运用中,需要考虑目标轨迹分布的优化问题.轨迹分布与星座的重访能力和进出站间隔保持等应用需求密切相关.目前对星下点轨迹分布的优化和调整还缺乏准确实用的方法,存在卫星数目增多带来的计算量增加问题和对多种需求综合考虑不够的问题.为了克服现有技术的不足,解决太阳同步回归轨道遥感卫星星座的目...     

考虑制造约束的印刷电路板式换热器优化设计

针对印刷电路板式换热器(PCHE)的微流道结构参数设计制造一体化问题,开展了考虑制造约束条件的换热器性能优化的研究。通过流体仿真分析了流道宽度、深度和深宽比对温度分布、压力损失和换热系数的影响。使用多目标遗传算法(MOGA)建立了换热性能的多参数多目标性能优化仿真模型,根据性能优化获得的设计参数建立微流道结构辊压成形工艺仿真模型,得到制造约束条件,将制造约束反馈到性能优化仿真模型中,得到宽为0.29 mm、深为0.39 mm的矩形微流道优化设计参数,且通过辊对辊(R2R)的辊压工艺实验验证了该优化方法的可行性。考虑制造约束的换热器优化设计方法在性能优化设计阶段引入工艺限制条件,是实现换热器一体化设计制造的有效手段。     

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。     

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。     

LEO空间碎片甚短弧角度数据初轨确定方法对比

光学观测是空间目标观测中最常见的一种观测方式。采用扫描模式工作时光学观测得到的观测弧段弧长通常很短,有时甚至不到被观测空间目标运行周期的1%,这样的角度数据被称为甚短弧角度数据。基于近圆LEO空间碎片地基实测场景,研究比较仅利用角度数据进行初始轨道确定常用方法的性能差异,分析观测弧长对不同初轨确定算法的定轨成功率和误差的影响,为初轨确定工作提供参考。对比分析了常用的几种方法,包括Laplace方法、Gauss方法、Gooding方法和近几年提出的距离搜索算法等。大规模实测数据处理结果显示,距离搜索算法的成功率高于90%,初轨半长轴统计误差仅为25 km。初轨结果表明,距离搜索算法定轨成功率高于其他算法。研究成果可为解决空间碎片初轨确定问题提供参考。     

冥王星可能有隐藏的海洋吗?

美国航空航天局的新地平线号宇宙飞船目前已经是所有太空任务中离冥王星最近的,天文学家希望能借由这番近距离探测,确认冥王星冰冻表层的下方式否有隐藏的液态海洋。冥王星表面是由氮冰所组成的薄壳层,在其下方则是水冰壳层。美国加州大学圣克鲁兹分校的行星科学家格利尼和尼莫尔等人计划探究冥王星冰层下方是否有海洋存在,如果有     

几何不确定性区间分析及鲁棒气动优化设计

不确定性因素会导致飞行器偏离预先设计的气动性能,造成气动性能下降甚至产生严重的后果。针对工程中无法给出准确的几何不确定性概率分布以及跨声速条件下非线性气动问题,对几何不确定性的非概率参数化建模进行了研究,并结合Kriging模型及最优化方法建立了快速非线性区间分析方法。采用该方法对对称翼型进行不确定性分析,获得了气动性能参数的定量变化区间。在区间不确定性分析基础上建立了鲁棒优化设计流程。基于区间序关系及区间可能度转换模型将单目标区间不确定性优化问题转化为多目标确定性优化问题,并采用基于Pareto熵的自适应多目标粒子群算法对优化问题进行寻优。考虑几何不确定性以及升力、力矩、面积约束,以阻力性能为目标对超临界翼型进行了鲁棒优化设计。与确定性优化设计结果对比表明,确定性优化设计在不确定性因素的影响下易失效,而鲁棒设计可得到更安全可靠的结果。      

航天器分布式智能计算体系的数学建模与调度算法研究

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO-EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.