基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

垂直返回重复使用运载火箭技术分析

结合SpaceX公司近期进行的多次猎鹰火箭一子级垂直着陆返回技术试验,对比分析垂直返回重复使用运载火箭两种返回方式的工程应用价值。首先,建立运载火箭一子级动力返回段弹道设计动力学模型。随后,提出基于H-V飞行剖面分段返回弹道设计方法。然后针对“返回原场”（RTLS）和“不返回原场”(NRTLS)两种垂直返回方式,构建综合考虑上升段与返回段的推进剂耦合作用的一体化弹道优化设计策略。最后,通过数值仿真,对比分析了两种返回方式下的火箭运载能力。结果表明,采用“不返回原场”方式的运载能力损失仅占“返回原场”方式的一半,具有较好的工程应用价值。     

采用弱攻角补偿与脱敏设计的火星进入段制导

为提升火星进入段存在多种扰动时的制导末端精度,在现有三自由度脱敏设计的基础上,提出针对大气密度及升阻力系数波动的弱攻角补偿方法。通过攻角调整,协调升、阻力加速度测量值相对理论计算值的偏离程度,使加权形式的偏离程度指标趋近于1,从而降低气动参数波动对制导精度的影响。相平面分析和反证法证明了攻角调整过程的稳定性。蒙特卡洛仿真结果表明,该方法可达到较高的纵向末端状态精度。     

空间机器人抓捕目标后动力学参数辨识研究

针对自由漂浮空间机器人抓捕目标后的动力学参数辨识问题,提出一种参数辨识的持续激励轨迹设计方法。首先,基于动量守恒原理建立了自由漂浮空间机器人的动力学参数辨识模型;然后,采用有限傅里叶级数对空间机器人的机械臂关节运动轨迹进行参数化表示,并以参数辨识回归矩阵条件数最小化为指标,通过求解一个包含多约束的非线性优化问题得到傅里叶级数的待定系数;最后,采用基于QR分解的递推最小二乘估计方法实现对采样数据的序贯处理,并求解出待辨识参数。仿真结果表明,提出的激励轨迹设计方法可以显著提高空间机器人参数辨识的收敛速度和准确性。