直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

空间模拟碎片释放装置技术方案

为配合空间碎片主动清除技术的演示验证试验,提出了一种空间模拟碎片释放装置的技术方案:由模拟碎片及分离解锁装置组成。模拟碎片不具备任何合作特征,最初通过压紧杆与分离解锁装置相连,释放时由火工切割器切断压紧杆,模拟碎片在压缩弹簧的驱动下与分离解锁装置分离。最后,通过静载、模态、运动特性分析及分离解锁试验验证了该释放装置设计的正确性。     

基于微多普勒特性的旋转对称进动目标的ISA R干扰技术

从旋转对称进动目标运动特性出发,给出了一种生成逆合成孔径雷达(IS A R)欺骗式干扰信号的新方法.干扰机根据这种旋转对称进动目标模型实时计算目标的微动量和强散射点的RCS,并依次对接收到的雷达信号在频率域进行调制转发,生成具有微多普勒特征的虚假目标,实现对敌方雷达系统的欺骗干扰.根据旋转进动目标模型,实时计算干扰机和虚假目标的位置,产生具有真实运动轨迹平面虚假目标,从而实现对基于轨迹平面识别真假目标雷达的有效对抗.仿真结果表明,该方法能够逼真地生成IS A R欺骗式干扰信号.     

基元叶栅攻角特性多目标优化

采用多段Bezier曲线对轴流压气机叶型予以参数化表达,通过Isight优化平台,结合S1流面数值模拟分析,以改良的非支配排序遗传算法(NSGA Ⅱ)对美国NASA单级轴流跨声压气机Stage 35的动叶和静叶叶中截面基元叶栅进行攻角特性的多目标优化,优化目标是降低全攻角范围内的总压损失系数以及拓宽攻角适应性范围。以总压损失系数最小点以及总压损失系数相对最高点和最低点的差值作为优化目标函数,叶栅流量不变为约束条件。结果表明:优化显著降低了动、静叶叶中截面基元叶栅的总压损失系数,并使其攻角适应性范围分别拓宽了5°和3°。      

高超声速飞行器再入轨迹多目标优化

针对飞行器再入轨迹多目标优化问题,提出了一种基于粒子群算法与层次分析法的综合求解策略。首先,根据飞行器的动力学模型以及再入约束条件,建立了飞行器多目标优化模型;然后,考虑到粒子群算法只能求解无约束单目标问题,采用罚函数处理飞行过程中的约束条件和优化目标;最后,针对不同约束及目标的权重对再入轨迹的影响,利用层次分析法建立包含主观评估信息的优化模型,采用粒子群算法优化求解满足相应约束条件的再入轨迹问题。仿真结果表明,该方法所生成的优化轨迹具有较高的精度和计算效率,并对设计者的主观需求有良好的体现。     

临近空间高超声速目标滑跃式轨迹Sine-AIMM跟踪算法

针对单一的Sine模型算法无法与临近空间高超声速目标滑跃式轨迹准确匹配,现有的交互多模型(IMM)算法跟踪效果也不够理想的问题,提出一种基于多重贝叶斯准则的自适应交互式多Sine模型(Sine-AIMM)临近空间高超声速滑跃式目标跟踪算法.算法采用多个Sine模型对滑跃式轨迹进行匹配,并利用多重贝叶斯准则在线调整各模型...     

目标检测中特征不匹配问题研究进展

近年来基于深度卷积神经网络的目标检测器取得了跨越式进展,远远超过传统目标检测算法.但最新的研究表明特征不匹配问题已经成为深度目标检测器性能提升的一个瓶颈.目前在该问题的研究尚未有清晰的总结,因此本文首先对特征不匹配问题进行分析,提出特征不匹配问题的本质是由于目标检测的分类和回归任务优化目标的不一致造成,同时分析了特征不...     

卫星集群星间链路拓扑设计与相对导航（英文）

提出了一种基于星间测量与通信的卫星集群分布式相对导航方法,利用星间链路为相对导航提供星间测量并进行数据交换从而提高卫星集群系统的自主性。首先,考虑能量消耗和导航性能,将星间链路拓扑设计问题表述为一个多目标优化问题;此外,卫星集群以分布式方式进行相对导航,每颗卫星对相邻卫星进行测量并通过星间链路与相邻卫星通信,从而降低了导航的能耗和计算复杂度。采用NSGA-Ⅱ算法求解星间链路拓扑优化问题并基于一致性卡尔曼滤波进行分布式相对导航。本文提出的方法可适应不同的任务,卫星可以随时加入和离开集群并且对单个卫星失效具有鲁棒性。最后,通过数值仿真验证了本文方法的可行性。     

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。     

精密测距的动态数据处理

无线电精密测距是通过无线电测量飞机、舰船、导弹等目标的精确距离和速度信息。根据飞机实际中的运动情况建立动态模型,采用适合于工程应用的新型自适应α-β滤波器对测距值进行实时动态处理,然后经过详细的MATLAB仿真,验证了动态滤波算法在保证实时性的前提下可以提高测距精度。