基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

基于GPR模型的自适应平方根容积卡尔曼滤波算法

与传统算法一样,动态系统的参数化模型(含噪声统计特性)未知或不够准确易导致容积卡尔曼滤波(CKF)效果严重下降,甚至滤波结果发散.为此,利用高斯过程回归(GPR)方法对训练数据进行学习,得到动态系统的状态转移GPR模型和量测GPR模型以及噪声统计特性,用以替代或增强原有动态系统模型,并将其融入到平方根容积卡尔曼滤波(SRCKF)中,分别提出了无模型高斯过程SRCKF (MFGP-SRCKF)和模型增强高斯过程SRCKF (MEGP-SRCKF)两种算法.仿真结果表明:这两种新的自适应滤波算法提高了动态系统模型精度,且实时自适应调整噪声的协方差,克服了传统算法滤波性能易受系统模型限制的问题;与MFGP-SRCKF相比,在给定一个不够准确的参数化模型,且有限的训练数据未能遍布估计状态空间的情况下,MEGP-SRCKF具备更高的滤波精度.     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题，本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理，用混合高斯模型逐步逼近最优重要抽样密度函数，并采用AK模型协助逼近过程中混合高斯模型的参数的更新，从而提高了CE-IS方法的计算效率。另外，本文还改进了CE-IS方法的收敛准则，避免了方法的冗余迭代，扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型，因此，本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法，本文方法中引入了重要抽样的思想，因此在Kriging训练点数目基本相同的情况下，大幅缩减小失效概率计算时样本池规模，并且由于利用了混合高斯模型，因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

基于小波域贝叶斯估计模糊萎缩的SAR图像降斑算法

提出了基于小波域高斯混合模型贝叶斯估计模糊萎缩的SAR图像降斑算法.该算法分析了SAR图像在平稳小波变换(SWT)域中的统计模型,并用高斯混合模型对其进行描述,推导出基于贝叶斯估计的信号最小均方误差(MMSE)的模糊萎缩因子.籍此再根据小波域相邻尺度间小波系数的相关性,采用分区域模糊萎缩思想,很好地得到无斑点真实信号小波系数的估计值.仿真结果表明该算法在大大抑制斑点噪声的同时,有效地保持了边缘,其性能优于改进Lee滤波、小波软阈值和SWT萎缩降斑算法.     

探月飞船跳跃式再入轨迹可达域分析

针对探月飞船跳跃式再入轨迹分段多、段与段相互耦合、可达域求解与分析较直接再入更加困难的问题,给出了跳跃式再入轨迹可达域的数学描述,在此基础上将可达域求解问题拆分为两类最优控制问题,并建立了相应的优化模型。采用基于高斯伪谱法的两步优化策略进行求解,得到了跳跃式再入轨迹可达域边界。最后分析了初始条件(再入角、再入方位角)对可达域的影响。仿真结果表明两步优化策略能兼顾计算精度和计算效率。     

非最小相位系统的辩识

1.引言 在时间序列分析中,多数文献讨论的是线性高斯模型,在高斯假设下,最小二乘估计就是最大似然估计;最小二乘估计只利用了时间序列的自相关信息,所形成的方程是一组线性方程即Wiener-Hopf方程。因此,最小二乘估计被广泛地应用于时间序列的建模。但是,自相关序列是“相盲”的,相关建模方法不能准确地表征非最小相位的参数信号;在自相关(功率谱)域中,所能做到的只是重建功率谱意义下等效的最小相位信号。     

基于机器学习方法的压气机落后角与总压损失预测代理模型

为了提高压气机特性预测的精度，基于机器学习方法构建预测落后角与总压损失的代理模型。以一台两级压气机为研究对象，基于多个转速工况下的流场实验数据和叶片几何参数建立了基元叶型数据库。通过灵敏度分析方法筛选出对落后角和总压损失影响最大的输入参数，分别采用高斯过程回归和人工神经网络两种机器学习算法建立落后角与总压损失模型，并引入贝叶斯优化算法搜索最佳模型超参数。对于人工神经网络面临的优化问题和泛化问题，调整模型学习率和修正参数梯度以加速收敛，同时采用正则化方法增强模型泛化能力。模型训练过程采用交叉验证策略以降低过拟合风险，并将优化后的代理模型整合到通流程序中对压气机进行特性预测验证。对比表明，低转速工况代理模型的压比特性预测误差显著低于经验模型，其中人工神经网络建模改善最明显，相比经验模型预测误差降低了0.1。通过代理模型横向对比，基于人工神经网络建立的代理模型比基于高斯过程的代理模型预测精度更高且鲁棒性更强。     

超临界翼型设计中的多响应代理模型

为考虑超临界翼型设计中代理模型多响应之间的相关性,研究了基于多输出高斯过程回归的代理模型。通过实验数据验证了升力系数、阻力系数及力矩系数之间显著的相关性,建立了超临界翼型设计中的基于多输出高斯过程的多响应代理模型,并与kriging模型、BP和RBF两种人工神经网络模型进行了对比。结果表明,当超临界翼型设计中多输出端口之间存在显著的相关性时,多输出高斯过程相比kriging、BP和RBF能有效显著提高预测精度,并获得更加稳定的预测性能。     

适用于直升机飞行力学分析的三维空间大气紊流模型

发展了一种新的适用于直升机飞行力学分析的三维空间大气紊流模型。采用Dryden紊流模型生成给定空间点的时域离散紊流速度,在速度坐标系框架下,横向和垂向采用统计特性守恒的高斯插值法进行紊流场空间扩展,而沿速度的纵向采用时间序列延迟法扩展紊流场,最终形成覆盖直升机各个气动面的三维空间大气紊流速度场。将本文计算结果和国外经过飞行仿真验证的二维空间紊流模型结果进行对比分析,验证本文模型的有效性和正确性,研究二维和三维空间紊流模型的区别。结果表明:本文模型改善了二维空间大气紊流模型对俯仰角速度、横向速度和航向角速度响应计算幅值偏小的缺陷;紊流引起的直升机响应幅值随飞行速度和紊流强度的增加而增大,随飞行高度的增加而减小。     

计算风工程中 k-ε模型的边界条件研究

从 k-ε湍流模型控制方程入手，对两类满足平衡大气边界层理论要求的入口边界条件进行了详细分析，比较了二者的理论差异。然后以我国公路桥梁抗风规范中建议的 A 类风场为来流条件，定义了相应的 k-ε模型常数与壁面条件，使用两类边界条件进行数值模拟。计算结果表明：两类边界条件结合相应的模型常数与壁面条件，均能在数值模拟中构建基本满足规范要求的平衡大气边界层，但各有其适用范围。在此基础上，对模型常数 C 1和湍动能耗散率与数值模拟结果之间的关系进行了研究，采用修改模型常数与边界条件的方法，改善了数值模拟结果。     

用于飞行仿真的空间大气紊流场生成与应用研究(英文)

研究了三维空间大气紊流场生成及其在大型飞机实时飞行仿真中的应用。分析了针对大型飞机飞行仿真的扰动风场的建模需求。通过在频域空间直接进行蒙特卡罗法随机抽样,经三维傅里叶逆变换获得空间大气紊流场。采用Von Karman模型,更加准确地描述大气紊流场特征。运用傅立叶变换的复共轭对称特性,保证最终生成实的紊流场。通过无因次化方法解决了变尺度和变强度的紊流场生成问题。针对生成的空间紊流场设计了紊流梯度的计算方法。针对飞机连续穿越紊流场的问题,提出基于空间对称扩展的紊流场扩展方法。经时域相关性检验证明,基于该方法生成的紊流场与传统时域方法相比,具有较好的空间互相关特性。最后针对Boeing747飞机,给出了一个在空间紊流场中的飞行仿真实例。与传统质点化模型的仿真结果相比,基于空间紊流场和四点模型的算法更能表现出飞机穿越紊流场飞行的随机特性。     

大气扰动及其对飞行的影响

 大气紊流和风切变等现象会影响飞机的飞行品质,并且可能引起严重的飞行事故。本文简要回顾和评述了目前国外研究大气紊流和风切变问题的情况。包括近年来国外在低空大气扰动对飞行影响方面的研究,在改进数学模型、计算与分析方法以及研究与大气扰动有关的飞行品质规范等方面取得的进展。文中同时回顾了我国研究大气扰动对飞行的影响方面的情况。     

基于主被动量子关联成像的超分辨抗干扰探测系统研制

针对大气湍流以及不同光照条件下难以成像的问题,提出了基于空间光场调制的主被动量子关联成像方案。研制了超分辨抗干扰的主被动量子关联成像原理样机,并完成了超分辨、抗大气湍流以及不同光照条件下的外场实验,验证了主被动量子关联成像原理样机的全天时抗干扰成像能力,实现了超分辨的远距离成像探测。本方案为远距离遥感、极弱背景探测提供了一种有效的成像技术手段。     

面向高轨目标的强度相干成像技术研究

强度相干成像技术是指利用地基强度相干阵列测量空间目标光强随机涨落的相干性,可获得目标的空间频谱模值,结合目标先验信息即可恢复目标光强分布图像.这种成像方法具有成像分辨力高、设备精度要求低、受大气湍流影响小等优点,目前已应用于恒星目标的成像观测领域,是一种有发展前景的地基光学成像手段.在综述强度相干技术原理与发展历程基础上,分析了利用强度相干阵列对高轨目标成像的可行性,认为在利用强度相干阵列对高轨目标成像过程中,主要存在空间频谱探测信噪比低和相位恢复复杂2大难题,提出利用激光主动照明对目标进行探测,同时采用符合计数方法和正则化优化方法可提高探测信噪比与相位恢复质量,对实现高轨目标成像有一定参考.     

大气紊流对驾驶员诱发振荡的影响

首先建立了大气紊流下的飞机本体短周期运动方程、驾驶员模型、Dyr den大气紊流模型及人机闭环系统模型 ;然后利用Matlab软件在时域内进行了数值仿真 ,仿真结果表明 ,对于装有电传操纵系统的飞机来说 ,大气紊流对驾驶员诱发振荡的影响不明显。     

湍流模型对叶片表面换热计算的影响

为了比较湍流模型对涡轮叶片外换热计算结果的影响,采用五种湍流模型及两种壁面函数计算了NASA-MarkII导向叶片表面换热并与实验数据进行了对比,结果表明:在相同边界条件下不同湍流模型的计算结果有很明显的差别,即使是同一种湍流模型,如果采用不同的壁面处理函数其计算结果也是有很大差别的;某些湍流模型的计算值只是在某个区域较为理想,还不能找到在整个叶片表面计算结果与实验数据较为接近的湍流模型.在尚无普适性较好的湍流模型的情况下,研究在不同计算域采用不同湍流模型和壁面处理函数的计算技术,是一种较好的可行的方案.      

基于人工神经网络的可压缩湍流大涡模拟模型

在国家数值风洞（NNW）工程项目的指导下，空间人工神经网络（SANN）模型被用于强可压缩湍流大涡模拟（LES）研究，其中流场的湍流马赫数分别为0.6、0.8、1.0。基于湍流的多尺度空间结构特性和人工神经网络方法发展的高精度空间神经网络（SANN）模型适用于不可压缩湍流和弱可压缩湍流。对于强可压缩湍流，流场中会出现激波结构，给大涡模拟带来了挑战。本文的研究结果表明：SANN模型适用于强可压缩湍流的大涡模拟。在先验分析中，SANN模型预测的亚格子应力和亚格子热流的相关系数超过0.995，远远高于梯度模型和近似反卷积模型等传统模型；传统模型的相对误差大于30%，而SANN模型在这方面有很大的改进，相对误差低于11%。在后验分析中，与隐式大涡模拟（ILES）、动态Smagorinsky模型（DSM）、动态混合模型（DMM）相比，SANN模型能更精确地预测能谱、各类湍流统计特性以及瞬态流动结构。因此，基于湍流多尺度空间结构特性的人工神经网络模型加深了人们对强可压缩湍流亚格子建模的认识，同时可以服务于NNW工程的流体力学模型构造。     

非平稳大气紊流对弹性飞行器的影响

提出了采用复模态分析方法研究非平稳大气紊流对弹性飞行器的影响，首先给出了非平稳随机大气紊流模型，然后提出了弹性飞行器对非平稳随机大气紊流激励的复模态分析方法，该方法把复杂的随机动力响应计算问题转化为复代数运算问题，为研究飞行器对随机大气紊流的响应开辟了新的途径，最后以某型－空导弹为例，计算其对非平稳随机大气紊流的响应，从而说明非平稳随机大气紊流对弹性飞行器的影响。     

平行平板内连续布置肋块流场与传热的数值模拟

为了研究平行平板内连续布置8个肋块的流场结构和传热现象, 利用计算流体力学软件FLU-ENT6.2内置的标准k-ε湍流模型、RNGk-ε湍流模型和Realizablek-ε湍流模型对此进行了数值模拟并对结果作了比较.流场结果显示在相同来流条件下, 由Realizablek-ε模型预测的肋块间逆时针方向回流区最大, 标准k-ε模型最小.数值结果表明从第2个肋块开始加热段表面压力系数Cp和努塞尔数Nu开始呈周期性变化.同时将第7个肋表面的努塞尔数数值解与实验值进行了比较, 结果为三种湍流模型都能准确模拟出努塞尔数的变化趋势.计算结果可为工程设计和使用提供参考.      

两种紊流模型在通流计算中的应用研究

为验证紊流模型在基于周向平均Navier-Stokes方程的通流计算中的适用性，本文给出了周向平均形式的Spalart-Allmaras紊流模型，并选择Baldwin-Lomax模型作为对比。通过两个经典简单算例以及两个典型叶轮机械算例对采用了上述两种紊流模型的通流模型进行验证与对比。两个经典简单算例结果表明，上述两种紊流模型在无叶片的通流模型中均能够准确预测附面层发展，捕获激波，预测分离流动。两个典型叶轮机械算例结果表明两种紊流模型对轴流式叶轮机械的子午流面气动布局以及总体气动性能具备一定的的预测能力。在单转子算例中，S-A模型的计算结果略优于B-L模型的计算结果；在双级高压涡轮算例中两种紊流模型对总体性能参数以及气流角的计算结果相差不大，且S-A模型计算的马赫数比B-L模型的偏小。