多约束下的高超声速飞行器三维非线性自适应末制导律

面向多约束下高超声速飞行器末制导过程中的通道耦合、参数扰动、模型失配等突出问题,设计一种适于高超声速飞行器的三维非线性自适应末制导律。为了模型描述的完整性和简洁性,引入视线旋量和旋量速度的概念,并基于此建立三维制导参考模型和实际系统的表达式;为了保证制导律的鲁棒性和自适应性,基于自适应控制理论,设计一种三维非线性自适应制导律;通过数学推导证明了该制导律的稳定性。该制导律能够从理论上克服高超声速飞行器末制导面临的通道耦合、参数扰动、模型失配等突出问题,满足多约束制导要求。仿真结果验证了所设计制导律的有效性。     

地球静止轨道航天器绕飞持续观测任务轨迹规划与控制

针对地球静止轨道(geosynchronous orbit, GEO)航天器的高清观测任务,成像卫星在连续小推力作用下接近GEO航天器,对GEO航天器自然绕飞并以有利的光照条件对其持续观测。针对Clohessy-Wiltshire (CW)方程的偏差问题,通过修正非球形摄动和重力加速度二次长期项偏差对CW方程进行改进,补偿非线性偏差的长期项和主要的摄动项。在轨迹规划问题上,计算绕飞轨迹的初始相位角区间,以保证成像卫星在整个绕飞任务中都能够以良好的观测角观测GEO航天器。基于CW方程和改进的CW方程对成像卫星接近和绕飞GEO航天器全过程进行仿真,基于CW方程的仿真没有达到预期目标;基于改进的CW方程的仿真达到预期目标,全过程所需施加的总速度增量仅为4.67 m/s,工程上具有很强的可行性。     

Wasserstein距离在液体火箭发动机故障检测中的应用

健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。     

状态维修下通指装备可用度评估

随着监测诊断技术的发展,状态维修在通指装备维修中应用范围越来越广。根据系统模块之间的并联供求关系,以系统可用度求解为目标,建立多态串并联可控系统可用度精确求解模型。在对模型进行求解的过程中运用发生函数算法,对算法的运用范围进行拓展。实例结果证明评估模型的精确性,对于装备状态评估具有更强的指导性。     

解非线性振动问题的摄动谐波平衡法

本文在谐波平衡法的基础上,引进摄动的思想,得出了用解析法解非线性振动问题的一个新的有效方法——摄动谐波平衡法。该方法无需对解的形式及谐波系数的量级预先有所了解,这是谐波平衡法所不能比拟的。另外,该方法使非线性振动问题的求解过程变得简单,只涉及解线性代数方程的运算,不必求解微分方程,这又比Lindstedt-Poincare方法、多尺度方法优越。     

关于带紧扰动的增生算子和单调算子之特征值问题的几点注记

研究了带紧扰动的增生和单调算子的特征值问题,所得结果补充和改进了Guan和Kartsatos的相应结果。     

跨模态行人重识别的对称网络算法

针对模态间差异,提出基于对称网络的跨模态行人重识别算法,该网络将基于概率分布的模态混淆与对抗学习结合,通过对称网络产生模态不变特征,从而达到模态混淆的目的;针对外观差异和模态内差异,使用不同隐藏层的网络卷积特征构造混合三元损失,提高网络的特征表征能力.RegDB和SYSU-MM01数据集上的大量实验结果表明了该方法的有...     

超低轨道卫星摄动特性分析及轨道维持方法

针对超低轨道卫星长时间在轨飞行的轨道维持问题,分析了超低轨道平均偏心率矢量变化特性,提出了一种超低轨道维持的控制方法。分析了J2、J3摄动以及大气阻力摄动作用下超低轨道卫星偏心率矢量的变化特性;基于能量守恒原理设计了超低轨道高度维持的控制策略;通过仿真算例验证了控制策略的有效性。结果表明:在地球非球形引力摄动、大气阻力摄动和速度脉冲作用下超低轨道平均偏心率的变化是稳定的,所设计的轨道维持方法不仅能够实现超低轨道高度维持,确保平均偏心率矢量收敛至平衡位置,且用于轨道维持的燃料消耗合理,能够满足长时间的超低轨道飞行要求。     

Visual-simulation region proposal and generative adversarial network based ground military target recognition

Ground military target recognition plays a crucial role in unmanned equipment and grasping the battlefield dynamics for military applications, but is disturbed by low-resolution and noisy-representation. In this paper, a recognition method, involving a novel visual attention mechanism-based Gabor region proposal sub-network (Gabor RPN) and improved refinement generative adversarial sub-network (GAN), is proposed. Novel central–peripheral rivalry 3D color Gabor filters are proposed to simulate retinal structures and taken as feature extraction convolutional kernels in low-level layer to improve the recognition accuracy and framework training efficiency in Gabor RPN. Improved refinement GAN is used to solve the problem of blurry target classification, involving a generator to directly generate large high-resolution images from small blurry ones and a discriminator to distinguish not only real images vs. fake images but also the class of targets. A special recognition dataset for ground military target, named Ground Military Target Dataset (GMTD), is constructed. Experiments performed on the GMTD dataset effectively demonstrate that our method can achieve better energy-saving and recognition results when low-resolution and noisy-representation targets are involved, thus ensuring this algorithm a good engineering application prospect.