塔里木河“二源一干”生态供水潜力研究

为解决塔里木河干流水资源短缺、流域损失水量过大、用水效率低下、农业灌溉用水挤占生态用水等问题,基于“节水优先”的治水方针,以塔里木河二源流(阿克苏河、叶尔羌河)及其干流(“二源一干”)的山区水库群和平原水库群为研究对象,兼顾塔里木河干流的农业灌溉用水、生态用水、工业用水、生活用水等多目标,构建并求解了现状水平年和远景规划年的山区与平原水库群联合调度优化模型,分析了塔里木河干流的生态供水潜力和山区水库群联合调度的贡献。结果表明：仅通过干流平原水库群联合调度,农业灌溉用水和生态用水的供水保证率难以满足设计要求;通过山区与平原水库群优化调度,在远景规划年各行业均满足设计保证率要求,体现了山区水库群显著的调控性能和“节水优先”治水方针的合理性和可靠性;远景规划年塔里木河干流的生态供水潜力为2.84亿m³,可为塔里木河下游生态保护与修复提供了坚实的水量基础。     

基于J2EE技术的可配置化系统的设计开发

科技项目在线申报已成为项目申报的主流方式.为适应新形势、新要求,原有的在线项目申报系统需要升级.文章介绍了基于J2EE技术的可配置化项目申报管理系统的开发、实现过程,对系统的需求分析、方案论证、系统设计、数据库设计、模块设计等环节进行详尽的分析和描述.该可配置化系统在处理大规模定制化的项目申报流程时具有适用性和可操作性.     

CGAN样本生成的遥感图像飞机识别

目的 基于深度学习的飞机目标识别方法在遥感图像解译领域取得了很大进步,但其泛化能力依赖于大规模数据集。条件生成对抗网络（conditional generative adversarial network,CGAN）可用于产生逼真的生成样本以扩充真实数据集,但对复杂遥感场景的建模能力有限,生成样本质量低。针对这些问题,提出了一种结合CGAN样本生成的飞机识别框架。方法 改进条件生成对抗网络,利用感知损失提高生成器对遥感图像的建模能力,提出了基于掩膜的结构相似性（structural similarity,SSIM）度量损失函数（masked-SSIM loss）以提高生成样本中飞机区域的图像质量,该损失函数与飞机的掩膜相结合以保证只作用于图像中的飞机区域而不影响背景区域。选取一个基于残差网络的识别模型,与改进后的生成模型结合,构成飞机识别框架,训练过程中利用生成样本代替真实的卫星图像,降低了对实际卫星数据规模的需求。结果 采用生成样本与真实样本训练的识别模型在真实样本上的进行实验,前者的准确率比后者低0.33%;对于生成模型,在加入感知损失后,生成样本的峰值信噪比（peak signal to noise ratio,PSNR）提高了0.79 dB,SSIM提高了0.094;在加入基于掩膜的结构相似性度量损失函数后,生成样本的PSNR提高了0.09 dB,SSIM提高了0.252。结论 本文提出的基于样本生成的飞机识别框架生成了质量更高的样本,这些样本可以替代真实样本对识别模型进行训练,有效地解决了飞机识别任务中的样本不足问题。     

基于能量最优的多约束小卫星碰撞规避控制

针对小卫星间近距离碰撞的问题,提出一种多约束下的能量最优的碰撞规避控制.采用轨道力学和数学表征法建立惯性系下的小卫星轨道动力学模型和约束模型,根据上述模型制定碰撞规避策略,通过数值分析给出最优的轨道系下的控制方向和控制时刻,利用坐标系变换获得惯性系的控制方向,依据霍曼变轨理论给出最优条件下的速度增量.数学仿真给出有约束的碰撞规避轨迹,证明设计的碰撞规避算法的有效性和可行性.     

进近着陆阶段自动飞行工作模式设计与仿真

针对大型客机进近着陆阶段自动飞行工作模式转换逻辑中潜在的条件冲突、模式耦合等设计问题,研究了基于有限状态机理论的工作模式转换逻辑设计方法.首先对进近着陆阶段进行详细分析,设计了所需自动飞行工作模式.其次,将工作模式抽象成离散事件并基于有限状态机理论进行进近着陆全过程工作模式状态机设计.然后利用MATLAB/Stateflow 构建进近着陆全过程工作模式转换模型.最后,通过正常进近着陆及着陆复飞过程的仿真,对上述方法进行了验证.验证结果表明,所设计的自动飞行工作模式在进近着陆阶段各种条件下均能正确地完成逻辑转换.     

对等网络环境下多目标任务容错调度方法研究

为了加强网络环境的可靠性、强化系统运算性能,提出对等网络环境下多目标任务容错调度方法.使用PB算法对处理器进行容错处理,划分任务主、副版本,通过分析任务相应版本与所在处理器的运行时间,构建任务模型与故障模型.拟定多目标任务不同开始时间与时限,通过自适应策略拟定启发式多目标任务容错分配策略,将多目标任务转换为回路任务.设定回路任务的数量与主版、副版本在普通处理器内的运行时间,判断调度序列内任务,计算其在处理器内需要消耗的时间,将结果对比之前拟定的时间判断是否调度成功,成功则启动副版本迭代计算.实验结果表明,所提方法不会因为网络节点数量不同,出现大量任务调度失败的问题,提高了系统性能和网络环境安全.     

无线数据中心网络：进展、挑战和展望

随着动态数据流量的迅速增长,庞杂的有线数据中心网络架构给网络扩张、能耗管理和运营维护等方面均带来了巨大的挑战。高速无线技术具有高带宽、动态连接且灵活可控的特征优势,成为一种潜在的数据中心组网解决方案,可以缓解数据中心长期存在的流量拥塞热点问题,减少部署和维护光缆所花费的时间、精力和成本。首先介绍了当前数据中心网络架构的发展趋势,分析比较了毫米波、太赫兹和自由空间光作为无线数据中心网络候选高速无线技术的优缺点。然后深入讨论了当前典型的无线数据中心网络架构,阐述了无线数据中心网络设计和部署面临的挑战,并对其未来发展方向进行了展望。     

基于NB-IoT的智慧消防系统设计

针对传统消防存在的监控落后和处理效率低的问题,利用物联网模式下的消防机制和NB-IoT技术,研究设计了一个基于NB-IoT技术的智慧消防系统.系统主要包含三大部分:硬件检测、云平台采集和用户接收.硬件检测主要监控设备状态、烟雾浓度、区域信号强度及报警状况等.云平台通过NB-IoT技术采集硬件检测到的数据.用户通过Https请求/应答获得云平台采集到的数据,从而实现了实时监测、删除与添加设备及蜂鸣报警等操作.     

基于深度学习的机器人复杂动作控制技术研究

本文提出了一种基于深度学习的手势识别来控制机器人做复杂动作的解决方案.本文提出的方案展现出有效的开放性和可扩展性,无论是手势识别还是在机器人复杂动作方面,都可以根据需求做相应调整.同时,本研究工作创建了一个有效的基于人工智能网络的机器人控制实用实验平台.实验设计分别以运用6个基础手势控制机器人在危险环境中清除可疑物品为例,验证了开发的平台可以让机器人实时、远程地完成预设复杂动作,满足现实中自然人机交互的功能.     

Auxiliary model multiinnovation stochastic gradient parameter estimation methods for nonlinear sandwich systems

This article studies the identification problem of the nonlinear sandwich systems. For the sandwich system, because there are inner variables which cannot be measured in the information vector of the identification models, it is difficult to identify the nonlinear sandwich systems. In order to overcome the difficulty, an auxiliary model is built to predict the estimates of inner variables by means of the output of the auxiliary model. For the purpose of employing the real‐time observed data, a cost function with dynamical data is constructed to capture on‐line information of the nonlinear sandwich system. On this basis, an auxiliary model stochastic gradient identification approach is proposed based on the gradient optimization. Moreover, an auxiliary model multiinnovation stochastic gradient estimation method is developed, which tends to enhance estimation accuracy by introducing more observed data dynamically. The numerical simulation is provided and the simulation results show that the proposed auxiliary model identification method is effective for the nonlinear sandwich systems.