三维攻击角度约束部分制导控制一体化设计

针对侧滑转弯(STT)导弹带有攻击角度约束的机动目标拦截问题,提出一种基于自适应终端滑模动态面控制的三维部分制导控制一体化(PIGC)设计方法。首先,建立了针对机动目标拦截的侧滑转弯导弹三维部分制导控制一体化设计模型,且不需要导弹速度微分体轴系分量信息。然后,使用终端滑模控制理论构建误差向量与虚拟控制量,达成精确拦截与攻击角度约束的控制目的;引入有限时间非线性收敛扩张状态观测器(ESO)来在线估计系统不确定性;设计自适应算子与自适应更新律对观测器的估计误差进行补偿,以提高方法的鲁棒性。最后,三维空间拦截仿真校验了方法在提高拦截精度与增强角度约束收敛性能的有效性。     

一种快速Nand Flash垃圾回收策略

为了解决垃圾块回收以及块重新融合再利用过程占用Nand Flash数据I/O操作中大量时间的问题,提出了FTL逻辑块数据流转图概念,并对垃圾回收触发条件、垃圾块选择方法、垃圾回收的过程进行了算法设计,实验表明算法可以提高Nand Flash的平均寿命,缩短IO运行时间。     

基于多滑模控制器融合的高超声速飞行器再入段跟踪控制方法

针对高超声速飞行器再入段滑模跟踪控制存在的抖振剧烈问题,提出一种基于多滑模控制器融合的跟踪控制方法.该方法采用动力学模型对高超声速飞行器再入过程进行描述,建立高超声速飞行器的攻角、侧滑角和倾斜角跟踪控制方程,结合准二阶连续滑模控制器和超螺旋滑模控制器对再入段进行分阶段的跟踪控制,分别削弱抖振影响,提高跟踪控制性能.通过模型仿真对所提跟踪控制方法的有效性和可行性进行验证,结果表明该控制方法可有效实现高超声速飞行器的轨迹跟踪,在控制力矩响应和姿态角速度跟踪误差积分值上较传统方法具备明显优势,可有效抑制抖振,提升飞行稳定性.     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

产教融合的航空制造人才培养模式探索与实践

航空制造行业是创新驱动发展的重点领域,是江西省重点发展的战略性新兴产业。为适应航空产业转型升级对航空制造人才提出的新要求,与中航工业洪都集团合作开展了工装设计岗位急需的航空制造人才培养探索与实践。从人才培养目标确定、专业课程体系构建、创新实践教学方式和完善校企协同管理机制等方面形成的有效方法,确保产教融合人才培养达到预期目标。     

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

遗产廊道理念下大运河文化带建设与乡村旅游融合发展研究

2021年6月大运河廊坊段实现了旅游通航,大运河通航以及滨河景观带的建设为沿岸乡村发展旅游业带来新的契机。如何依托运河水道和滨河廊道景观,以及丰富的遗产资源和乡村田园风光在运河沿岸打造一条大运河文化观带,推动两岸乡村旅游发展和产业升级成为廊坊政府与相关部门企业面临的重要课题。本文借用遗产廊道理论,从遗产廊道的视角出发就大运河文化带建设与乡村旅游融合发展提出了一些对策建议,建议包括完善区域旅游交通网络、建设风景路慢行系统、改善乡村人居环境、推动旅游与其他产业融合发展等措施。     

不依赖卫星的定位导航与授时体系研究

定位导航与授时(positioning, navigation and timing, PNT)体系是支撑人类社会发展的基础设施。当前以卫星为核心的天基PNT应用广泛,但在卫星拒止环境下面临严峻挑战。通过总结天基PNT在国民经济发展与国防建设中的重大作用,分析天基PNT的脆弱性与依赖风险,明确了对不依赖卫星的PNT体系的迫切需求。提出了不依赖卫星的PNT体系概念与特征,即以“惯导+时钟”为核心增强基础PNT能力,利用外源传感器多源融合提高精度保持能力,在卫星拒止条件下为用户提供可承载的高性能PNT服务。基于现有技术基础重点发展微小型、高精度、低成本惯导技术,微时钟技术以及智能融合技术是有效途径,能够实现不依赖卫星的PNT覆盖性、精确性与可承载性的全面提升。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。