摘要： 针对现有大部分飞行器视觉导航数据集特征信息有限的问题,构建了一个多源、多视角、多场景的飞行器认知导航数据集,可有效支撑飞行器的精确地理定位。首先,基于深度特征匹配算法在认知导航区卫星图像内选取导航适配区,并基于 SAM(segment anything model) 语义分割算法获得特征显著且稳定的典型导航标志物及其语义信息;然后,利用真实无人机航拍和 Google Earth 提供的 3 D 仿真模型采集充足的导航标志物飞行器视角图像;最后,基于 SuperPoint 特征点提取算法自动对图像进行标注 ,并设计基于 WordNet 体系的认知导航数据集多层级结构,从而最终获得具有地理位置信息和深度语义特征标注的飞行器认知导航数据集。分析评估表明,所构建的数据集覆盖场景广泛、特征信息丰富、数据来源多样,为飞行器认知导航算法的训练和验证提供了高质量的数据样本。

摘要： 为提高机器人对复杂环境的高效感知和路径规划能力,在介绍动物创建认知地图神经机理的基础上,系统梳理了国内外类脑空间认知地图构建方法的研究进展。首先,将类脑空间认知地图构建方法分为基于连续吸引子神经网络的认知地图构建方法、基于脉冲神经网络的认知地图构建方法以及基于深度强化学习的认知地图构建方法 3 种类型,并重点介绍了这 3 种方法的核心思想及其发展现状;其次,对以上 3 种方法的适用场景、复杂程度以及建模维度等进行横向对比,指出每种方法各自的优势与不足;最后,指出现有类脑空间认知地图构建方法的局限性,并对其未来研究的发展方向进行了探讨。

摘要： 针对切换拓扑通信下的四旋翼无人机集群协同性能约束的优化编队控制问题,提出了一种面向切换拓扑的分布式四旋翼无人机集群预设性能优化编队设计与分析算法。首先,构建了包含自反馈项与编队补偿信号的一致性控制协议,设计编队补偿信号消除不可控模态影响,解耦了编队误差动态与编队中心动态,给出了编队中心函数的显式表达式,揭示了增益矩阵对编队中心运动模态的独立调节机制。然后,设计了包含编队协同误差的性能指标函数,通过将性能预设值直接嵌入线性矩阵不等式条件,建立基于 Lyapunov 稳定性理论的设计判据,在保证编队误差渐近收敛的同时,将累积协同误差严格约束于预设阈值。最后,通过 5 架无人机对所提算法进行预设性能编队控制仿真实验。实验结果验证了本文算法的有效性。

摘要： 针对无人机蜂群机动过程中需兼顾较大搜索范围和高效到达目标点的问题,提出一种基于多目标评估的优化方法,以改善传统路径规划算法在无人机编队半径受限情况下的性能表现。通过设计多目标评估体系,从路径质量、编队稳定性、能量效率及任务完成度 4 个方面,将路径规划分为虚拟刚体算法执行段和智能算法执行段。通过对比柔性动作-评价(soft actor-critic, SAC)算法与深度确定性策略梯度 (deep deterministic policy gradient, DDPG) 2 种智能算法的训练效果,最终选取 SAC 算法来执行分段轨迹优化。仿真结果表明:以四旋翼无人机为例,所提出的融合了虚拟刚体编队(virtual rigid formation, VRF) 算法与 SAC 算法的多段轨迹规划方法,在路径质量方面相比传统 A * 算法和 DDPG 算法分别提升了 12.2 % 和 5.8 %,在能量效率方面分别提升了 19.3 % 和 6.5 %,表明所提方法能够克服传统轨迹规划算法在大范围搜索下的局限性,实现了动态路径优化与评估性能的提升。

摘要： 针对雷达信号处理领域存在的低慢小目标非线性、非平稳回波信号分析难题,提出利用 时 频 分 析 组 合 方 法 , 构 建 了 基 于 经 验 模 态 分 解 (empirical mode decomposition,EMD) 与 主 成 分 分 析 (principal component analysis, PCA) 的 组合模型 , 旨在弥补传统方法在计算冗余与局部特征丢失等方面存在的不足。首先,利用 EMD 对原始雷达回波信号进行自适应分解 , 得到一系列本征模态 函 数 (intrinsic mode function,IMF)分量,以精确表征信号的局部时频特性;其次,通过 PCA 法对 IMF 分量的能量谱进行降维处理来提取主成分特征,从而有效降低数据冗余并保留关键信息；最后 ,采 用 《雷 达 学 报》 发布的低慢小目标 数 据 集 对 其 进 行 实 验 验 证 。 结 果 表 明 : EMD-PCA组合提取方法的均方根误差均值 、峰值信噪比均值和结构相似性均值分别为0.061 9 像素、 19.1185 dB 和 0.848 2 ,相比于采用单一 EMD 模型的均方根误差均值降低了 38.65 %,峰值信噪比均值和结构相似性均值分别提高了 14.54 % 和 22.29 %,表明所提方法能够显著提升复杂雷达信号特征提取的精度和可靠性,为低慢小目标的精确探测与分析提供技术参考。

摘要： 针对传统嵌套阵天线波达方向 (direction of arrival, DOA) 估计算法存在模型复杂、计算量大的问题 , 提 出 了 一 种 基 于 残 差 多 层 感 知 机 (residual multilayer perceptron,ResMLP) 的嵌套阵 DOA 估计算法。该算法首先以嵌套阵接收信号的协方差矩阵 R 作为输入,利用协方差矩阵的对称共轭性质对数据进行去冗余和一维化处理,并采用主成分分析 (principal component analysis,PCA) 法对数据进行降维和去噪;然后,将残差结构 (residual structure) 与多层感知机 (multilayer perceptron,MLP) 相结合构建 ResMLP 网络,以应对过深网络带来的梯度爆炸、梯度消失与退化问题,并采用权重衰减法和暂退法防止网络过拟合;最后,采用基于 Yogi 修正的 Adam 算法作为优化算法,利用余弦调度器调整学习率,最终得到优化后的 ResMLP 网络模型。分别在快拍数 K = 512 、信噪比 SNR 位于[- 10 , 10 ]区间内以及 SNR= 0 dB、 K 位于[ 1 , 512 ]区间内的 2 种工况下,通过不同 DOA 估计算法计算各信源入射角度的估计值。结果表明 :ResMLP 算法的估计精度均优于基于虚拟阵列 (virtual array,VA) 变换的 MUSIC、root-MUSIC 和 ESPRIT 传统算法,且计算速度更快,鲁棒性更好,尤其是在低信噪比和低快照条件下 ResMLP 算法的 DOA 估计性能表现较优。

摘要： 针对传统雷达反射面体积大、质量重、损耗大、发射效率低、机动性能差等问题,利用光子晶体的禁带特性将一维光子晶体结构材料运用于雷达的自隐身设计。以波长为0.12 mm 的亚毫米波雷达为例,采用材料设计要求和结构设计要求 2 种模式,设计了一种全角度、高反射的光子晶体雷达反射面;运用传输矩阵法进行了仿真优化,得到了最佳结构参数和材料参数。整个雷达反射面设计厚度仅为 237 μm ,在入射角 0 ° ~ 75 °范围内,雷达发射波长基本位于光子晶体禁带中心位置, λ = 0.12 mm 处的反射率接近100 %,且保持了较大的带宽冗余,可显著提高现有雷达反射面天线的发射效率,同时,也有助于降低雷达功耗和红外特征,实现雷达的小型化,进而提高其机动性和隐身能力。

摘要： 针对航空航天领域重大装备的剩余寿命 (remaining useful life,RUL) 预测问题,提出了一种基于改进 Transformer 架构的混合时频域增强分解模型。首先,通过融合时域与频域特征,全面提取多层次的设备退化特征;然后,设计了频域增强模块,结合傅里叶变换和小波变换,从频域角度提取信号的周期性和局部特征;接着,利用分解趋势学习模块对信号进行多尺度趋势分解,提取周期性与趋势性成分;最后,通过基于分层预测的残差学习模块,进一步提高 RUL 预测的精度。为验证模型的性能,使用NASA C-MAPSS 数据集进行了实验。结果表明: 模型在 FD 001 、FD 002 、FD 003 、FD 004 四个数据集上的均方根误差分别为 10.83 、 17.53 、 11.42 和 20.56 ,相较于现有的深度学习方法,具有更优的预测性能和更快的收敛速度,在多工况和多传感器环境下具有更强的鲁棒性与泛化能力。

摘要： 针对复杂工况下机电作动器 (electro-mechanical actuator,EMA) 滚珠丝杠副故障难以被及时准确识别的问题,提出一种基于多尺度通道注意力卷积神经网络(muti-scale convolutional neural networks with squeeze-and -excitation network, MCNN - SE) 的EMA 故障诊断方法。首先,利用多尺度卷积结构自动提取多层次的特征信息,增强模型对不同故障模式的适应性和特征区分能力,同时通过 SE 模块对通道特征进行加权 ,突出其关键特征,抑制无关干扰;然后,将所提取的特征输入到 softmax 分类器进行智能诊断与分类,以提升诊断的精度和鲁棒性;最后,将所提的 MCNN-SE 算法与 MobileNet、 ResNet 18 、 CNN、 MCNN 4 种 传 统 算 法 进 行 对 比 , 以 验 证 所 提 方 法 的 高 效性。结果表明:所提出的 MCNN-SE 算法在复杂工况下的平均诊断准确率能够达到98.77 %,具有良好的诊断稳定性与较高的计算效率。

摘要： 针对典型动态过程监视中传统多元统计过程监测(multivariate statistical process monitoring, MSPM) 方法难以有效提取动态特征的问题,提出一种基于指数加权慢特征分析(exponential weighted slow feature analysis, EWSFA) 的动态检测算法。首先,该算法通过对测试数据执行 2 次奇异值分解,提取慢特征矩阵;其次,借助慢特征的定义优化参数,确定主要慢特征数量;然后,构造监测统计量,通过指数加权移动平均修正统计量;最后,根据置信度计算控制限,制定动态故障检测策略。基于田纳西-伊士曼过程(Tennessee Eastman process, TEP)和电动伺服机构进行算法性能验证。 在 TEP 实 验 中 , 所提 EWSFA算法的故障检测率分别比DPCA 和 SFA 方法提升24.19 % 和 1.65 %;在电动伺服机构实验中 , 所提 EWSFA 算法的故障检测率分别比DPCA 和 SFA 方法提升 1.66 % 和 1.09 %。实验结果验证了所提方法在故障检测中的优越性。

摘要： 针对机床刀具在加工过程中系统状态需依赖多源传感器数据间接估计导致的剩余寿命预测精度不高的问题,提出一种基于半可观测状态的机床刀具剩余寿命预测方法,通过融合多源传感器数据与刀具系统状态信息,构建了包含多源传感器数据映射偏差项的状态空间预测模型。首先,利用回归网络建立多源传感器数据与刀具系统状态之间的非线性映射,实现对半可观测系统状态的初步估计;然后,针对不同加工工况、退化模式及刀具类型所引起的数据分布差异,提出系统状态回归误差补偿算法,通过预测下一时刻状态估计的偏差值,有效修正系统状态估计误差;最后,基于粒子滤波算法,利用修正后的系统状态信息对刀具退化过程进行动态建模,实现预测参数的自适应更新,并采用刀具退化数据集进行了验证。结果表明:所提方法在预测精度方面优于传统神经网络模型,可有效提升机床刀具剩余寿命预测精度。

摘要： 针对数字孪生系统可信度评估存在的多源异构数据融合困难、主客观权重分配失衡及动态演化能力量化不足等关键问题,提出一种基于多指标融合与分层赋权的可信度评估方法。首先,构建包含模型准确度、数据完整性、交互实时性等 5 个一级指标和 15个二级指标的分层评估框架,并通过行业规范与工程实践确定量化标准;继而设计AHP-熵权组合赋权模型,并引入动态敏感性分析与 K 折交叉验证来优化权重系数,从而平衡专家经验与数据驱动特性;进一步提出改进的模糊 TOPSIS 算法,利用三角模糊数统一处理数值型、区间型和语言型数据,并引入动态衰减因子量化模型演化能力;最后,以某型无人机数字孪生系统为对象开展实验验证。结果表明:相较于传统模糊综合评价法和 AHP-TOPSIS 方法,所提方法在交互实时性和动态演化能力方面表现更优,综合可信度评分高达 0.79 ,多源数据融合误差从 25 % 降至 8.5 %,为数字孪生系统全生命周期可信度评估提供了可量化技术路径。