考虑时间状态的敏捷自主在轨服务航天器高维运动规划研究

针对敏捷自主在轨服务航天器自身和所在复杂空间环境等特点,研究其在轨灵巧、精确服务的运动规划问题,提出了以平动、转动和时间为状态的改进的快速搜索随机树高维运动规划方法。仿真算例检验了该规划方法的有效性,结果表明它不仅满足敏捷自主在轨服务航天器在一定约束条件下按照指定时间到达指定地点的高维运动要求,而且对离线与在线规划两种模式也具备较强的适应性。
     

基于Monte Carlor法的随机码性能研究

介绍了随机序列产生的一般方法以及基于Monte Carlor法的引信随机码产生方案;研究了该方法产生随机二相码的原理;通过仿真,验证了产生随机码的随机性;分析了产生随机二相码的统计特性。仿真结果表明,该方案可以作为随机码引信的随机码产生器产生所需要的随机二相码。     

基于VHDL语言的扩频相关器设计与实现

介绍了扩频相关器在信号处理中对特定码字进行相关处理,完成信号的解扩或解码,恢复出传送的信息.扩频相关器采用数字处理方式,处理信号的形式比较灵活,可以对不同的码型、不同的码长进行相关处理,为位同步的提取带来了极大的方便.设计了包含相关器的整个直扩系统,并进行了仿真,验证了所设计的相关器的正确性.     

光纤陀螺的随机过调制

大多数光纤陀螺的结构为Ｓａｇｎａｃ干涉仪,是干涉型光纤陀螺,并且对输入的传动速率仅呈现二阶（余弦）敏感性,为引入一阶（正弦）敏感性需进行相位调制,这使我们能够观测输入角速率的大小和方向,光纤陀螺相位调制,第一个是测量角速率的信噪比,第二个是校正引起陀螺漂移的调制信号的电耦合,在早期的光纤陀螺中,是把±π／２的方波调制信号加在干涉仪中,后来,±π／２或３π／２与方波复合调制被用来校准阳位调制的精度。     

一种基于SFEM的构件振动疲劳强度可靠性的分析方法

由于构件的材料参数、几何参数及所受的载荷等均为随机变量,所以构件振动时的疲劳强度应通过随机参数来进行分析。振动构件疲劳强度的可靠度计算的随机有限元法可以有效地分析振动构件的疲劳强度可靠性,为提高构件疲劳强度的可靠性提供了理论依据。以悬臂梁为例进行了分析,通过实验验证了所给出方法的正确性。      

多源不确定性下叶盘结构疲劳可靠性分析与优化设计

为了更好地满足叶盘结构的设计需求,针对叶盘结构疲劳寿命分散和几何参数众多等问题,基于随机有限元法构建了融合多源不确定性的叶盘结构疲劳可靠性分析与优化设计框架.首先,采用应力敏感因子分析筛选叶盘结构关键尺寸;然后,将关键尺寸、材料属性及载荷定义为随机变量,基于其分布规律进行拉丁超立方抽样以开展随机有限元分析和寿命预测;最...     

面向月球基地设备交互场景的目标检测与路径规划算法研究

随着国际月球科研站计划的快速推进,针对月球基地相关技术的研究受到了广泛关注。面向月球基地场景下不同的设备间进行自主接触式交互这一应用背景展开研究。考虑不同的设备在进行自主接触式交互时,需要准确地完成相互识别,并且规划出畅行无阻且较优的行进路线以保证往返活动顺利进行,基于Webots搭建了月球基地仿真环境进行目标检测和路径规划相关实验。以前后配备高精度RGB相机的交互设备为载体实现基于TPH-YOLOv5月球基地场景下的目标检测。此外,设计并实现了交互设备在月球基地场景下基于双向快速扩展随机树（Bidirectional RTT）的路径规划算法,以保证交互设备在月球基地环境下的相关工作顺利进行。仿真结果显示,该目标检测及路径规划算法能够实现预期功能。     

样本标签污染条件下的雷达辐射源个体识别技术

针对辐射源个体识别(Specific Emitter Identification,SEI)中由于数据集存在错误标签导致识别率下降的问题,提出了 1种有监督和无监督融合的错误标签识别和纠正方法。首先采用无监督密度峰值聚类方法将数据集中出现的标签错误样本找出,再使用 K折交叉实验对这些标签异常的样本进行预测投票,将得票数多的标签作为错误标签纠正的结果。经过清洗的数据集再通过卷积神经网络进行训练,得到 1个较为理想的辐射源个体识别的网络模型,保证了在样本污染条件下,辐射源个体识别网络仍能具有较好的识别率。文章所提方法的识别率相比未经处理的数据集的识别率在标签错误率小于 30%时平均提高 3.3%;在标签错误率大于 30%时,也能使个体识别率达到 90%左右,验证了文章所提方法在对错误标签的识别和纠正上可以取得较好的效果。     

随机纹理图像的特征匹配鲁棒算法

针对三维外形测量以及表面位移、损伤、应变测量中的随机纹理图像,提出了一种特征匹配算法.该算法首先结合Harris角点探测和一个72维的角点特征描述向量,快速获取随机纹理图像对之间的粗匹配像点集合,然后通过灰度相关约束和视差梯度约束对粗匹配集合进行检验,剔除粗匹配集中的错误匹配.通过在误匹配剔除的过程中采用与粗匹配阶段相关联的自适应约束阈值,从而使最终的匹配结果不敏感地依赖于阈值参数的选取,而是在一个较大的取值范围内都能使最终结果在严格控制误匹配的前提下,得到足够多的正确匹配点对.通过实验对提出的方法进行了验证.     

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。