一种基于图像的星体表面撞击坑自动提取方法

以星体表面的图像数据为基础,根据撞击坑的向阳面呈亮色调而背阳面呈暗色调的原理,提出了一种基于图像的星体表面撞击坑自动提取方法。该方法先用自适应双阈值分割法对星体表面的光学图像进行分割处理,获取图像中明暗区域的形状和位置信息;再用统计学原理分析明暗区域组成结构、像平面上光照方向,结合相关的约束条件来匹配同一撞击坑的明暗区域,同时拟合出撞击坑的外边缘并确定其半径、位置等信息。实验结果表明,该方法能够从常见的星体表面光学图像中快速、可靠地提取出撞击坑的中心位置和半径大小,具有较宽的普适应性和一定的应用价值。     

一种用于空间群目标分辨的滑动窗轨迹跟踪算法

针对大多数现有的微多普勒分析理论难以解决空间群目标的监测与识别问题,本文提出一种基于提取目标运动特征的弹道中段群目标分辨方法。首先建立了多个具有滑动散射中心的旋转对称目标模型并得到其m-D曲线,在此基础上,利用形态学图像处理方法抑制一维距离像旁瓣,然后提出了一种滑动窗轨迹跟踪的方法分离出各散射点相互交叉的m-D曲线,再对分离结果进行经验模式分解(Empirical-Mode Decomposition, EMD),最后通过提取能够反映目标运动特征的固有模态函数(Intrinsic Mode Function ,IMF),实现了群目标分辨。仿真实验校验了所提方法的可行性和鲁棒性。     

结构光光条中心的提取算法

在线结构光测量系统中,光条中心的准确提取是影响整个测量系统精度的关键因素之一。由于被测物体表面的性质等系统噪声的影响,使得精确提取光条中心存在一定的难度。采用了抛物线拟合法和基于光条骨架的方向模板法对采集的光条图像进行光条中心提取,实验结果表明当光条图像的曲率较大时,基于光条骨架的方向模板法能够有效、准确的提取光条中心。     

鸭式布局地效翼数值研究

针对地效飞行器气动特性和纵向静稳定性这两个重要问题,应用数值模拟的方法对鸭式布局地效飞行器进行了研究。在鸭式布局中,主翼和鸭翼互相干扰,流场比较复杂。简化了地效飞行器模型,只考虑了主翼和鸭翼,通过改变鸭式布局地效飞行器中鸭翼相对主翼的位置和角度,分析其对气动特性和纵向静稳定性的影响。     

直升机滑油散热器动态性能分析

滑油散热器的动态特性是直升机滑油冷却系统设计的基础,使用模块化集总参数法建立了直升机滑油散热器的动态仿真模型,采用Laplace变换建立动态传递函数,结合动态仿真模拟曲线的比较以及传递函数的分析,对热侧和冷侧入口温度阶跃变化时的热侧出口温度动态响应性能进行分析,得到了影响动态性能的重要影响参数——芯体蓄热时间常数τw以及热侧温度随流动时间τ变化的时间常数hτ,从而可通过改变这两个重要影响参数来有效改变散热器以及系统的动态延迟时间.通过散热器动态实验测量,验证了模型的正确性.研究成果可有效改进散热器以及系统的动态性能,以及指导散热器与系统的优化耦合设计.     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar,SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression,SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。     

CubeSail: A low cost CubeSat based solar sail demonstration mission

CubeSail is a nano-solar sail mission based on the 3U CubeSat standard, which is currently being designed and built at the Surrey Space Centre, University of Surrey. CubeSail will have a total mass of around 3 kg and will deploy a 5 × 5 m sail in low Earth orbit. The primary aim of the mission is to demonstrate the concept of solar sailing and end-of-life de-orbiting using the sail membrane as a drag-sail. The spacecraft will have a compact 3-axis stabilised attitude control system, which uses three magnetic torquers aligned with the spacecraft principle axis as well as a novel two-dimensional translation stage separating the spacecraft bus from the sail. CubeSail’s deployment mechanism consists of four novel booms and four-quadrant sail membranes. The proposed booms are made from tape-spring blades and will deploy the sail membrane from a 2U CubeSat standard structure. This paper presents a systems level overview of the CubeSat mission, focusing on the mission orbit and de-orbiting, in addition to the deployment, attitude control and the satellite bus.