2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式（例如量子计算等）深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。     

液体火箭发动机无失效条件下的可靠性分析方法

针对液体火箭发动机热试车过程中可能出现的无失效情况,在对寿命分布进行分析的基础上,利用配分布曲线-最小二乘法,采用经典估计和Bayes估计作为先验分布,对液体火箭发动机无失效条件下的可靠性进行了评估,并对评估结果进行了分析。计算结果表明,采用最小二乘法结合Bayes估计,可以较好评估液体火箭发动机在无失效条件下的可靠性。     

基于超螺旋滑模观测器的六相PMSM转速估计

针对军用轮毂六相PMSM无位置传感控制系统中采用传统滑模观测器导致的系统高频抖振问题,以及估计坐标系相位滞后对转速估计造成的稳态误差问题,提出了一种基于超螺旋滑模观测器的转速估计算法;在旋转坐标系下采用超螺旋算法对系统中的高频抖振进行抑制,并对反电动势进行观测,构造李雅普诺夫函数对电流动态误差方程进行稳定性分析,考虑估计旋转坐标系相位滞后对转速估计误差的影响,根据超螺旋滑模控制算法结构特点,提出一种考虑d轴估计反电动势的转速估计算法;通过仿真和实验验证了基于超螺旋滑模观测器的转速估计算法具有更高的估计精度;其能够抑制系统中的高频抖振,降低了估计坐标系相位滞后对转速估计误差的影响,省略了低通滤波器和相位补偿模块,提高了转速估计的准确度。     

训练空域管理安全性的灰色综合评价

为改善军事飞行训练的安全水平,提出一种空域管理的安全性评价方法。在该方法中,通过问卷调查与统计分析,建立了军事飞行训练的空域管理安全性评价指标体系;通过信息熵的专家群组灰色聚类方法实现评价标准的授权;在评价指标赋权基础上,采用灰色综合评估法进行军事飞行训练的空域管理安全性评价。实例分析表明,所提出方法可对军事飞行训练的空域管理安全性进行评价,能够得出较为符合实际的评价结果,从而验证了方法的有效性和可行性。     

电传动车辆轮毂电机无位置传感器控制研究

为提高电传动装甲车辆运行可靠性,提出一种基于脉振高频注入法进行转子位置辨识的轮毂电机控制策略。在永磁同步电机最大转矩电流比和弱磁控制的基础上,将位置辨识算法运用到控制系统并进行仿真分析。仿真结果表明:在电机起动加速阶段和转矩突变等工况下,该算法能够准确辨识出转子位置和电机转速,与使用传感器来获得转速的方式比较,基本能获得相同的控制效果,为进一步提高装甲车辆可靠性提供了可行方案。     

基于半定规划的无源跟踪最佳传感器选择

在多站测向定位系统中,观测站与目标的几何位置影响目标定位跟踪精度。以目标估计的克-劳美罗下界(CRLB)行列式最大值为优化指标,在考虑传感器自身的探测能力等实际约束的前提下,建立了无源协同跟踪下最佳传感器选择优化模型。提出了一种基于半定规划(SDP)算法将上述组合优化问题转换为凸优化问题,进行优化求解。仿真结果验证了算法的有效性,与松弛算法和随机选择算法相比,基于SDP的传感器选择可以进一步提高无源协同跟踪的精度。     

基于子阵的频控阵自适应波束形成算法

针对经典的最小方差无畸变响应波束形成器应用在FDA-BFF(Frequency Diverse Array Based On Frequency Filter,FDA-BFF)及FDA-MIMO(Frequency Diverse Array Multiple-Input Multiple-Output,FDA-MIMO)接收机结构时,当阵元数较大或干扰与目标角度维接近时波束主瓣会产生峰值畸变或偏移,波束形成器输出性能下降,无法有效确定目标位置的问题,提出了基于双边小方差无畸变响应的子阵频控阵波束形成算法。该算法将一维均匀线性阵列划分为两个采用不同非线性频偏的中心对称子阵结构,在目标位置形成点状波束,对传统频偏固定的频控阵方向图中的距离-角度实现解耦。之后,通过双边小方差无畸变响应算法中求解克罗内克积的方式降低了算法计算量。仿真验证表明,阵元数较大时该算法在目标位置处形成点状波束的同时,可以有效抑制角度维不可分的干扰。