有限元线性方程组改进的全稀疏存贮方法

有限元线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改;但在实际求解计算时,查找元素花费的时间较多;这里给出了一种改进的方法,是在链表的基础上生成相应的线性表,能够方便快速查询元素,使存贮结构同时具有链表和线性表的优点.数值算例证明该存贮方案在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解.     

大型稀疏线性方程组改进的ICCG方法

有限元分析求解的大型线性方程组．其系数矩阵中只有少量的元素不为零，是一个稀疏矩阵，而且一般都是对称的。求解过程中只存贮对称部分的非零元素，这种全稀疏存贮策略采用链表式管理，使存贮结构可以动态更改。在带双门槛值ICCG方法的基础上加上对角元修正策略，产生了一种改进的ICCG求解法，它不仅节省了存贮空间，而且便于元素的查询、插入和删除，提高了求解效率。这里也给出了验证算例。     

隐格式并行直接求解方法研究

讨论了由CFD问题得到的大型稀疏线性方程组的并行直接法求解问题.介绍了三对角型方程组的SPP算法,将之推广来求解一般的带宽较窄的带状或者稀疏带状线性方程组.介绍一般稀疏的线性方程组的基于排序后再分解的并行求解方法的步骤及其中的一些关键问题.     

EBE技术在结构分析中的应用——EBE—CG方法及其并行实现

共轭梯度法(CG法)是求解大型稀疏有限元方程组的有效迭代解法。针对大规模结构分析问题,提出了不形成总刚度矩阵时的EBE-CG法及其并行处理方法。在国内规模最大的大型MIMD分布式系统上的初步数值试验结果表明,并行的EBE-CG法是很有效的。     

二维对流—扩散方程的控制体有限元法数值模拟

推导了二维对流—扩散方程的控制体有限元公式，其主要特点是所得离散化方程适合于逐点迭代法及共轭梯度法进行求解，使得该方法更适合于求解复杂的几何域及节省更多的计算机内存。通过几个算例表明，该方法对于特别大的Ｐｅｃｌｅｔ数其精度也是很高的     

基于预处理共轭梯度算法的有限元模型修正方法

在预处理共轭梯度算法的基础上,提出了一种新的有限元模型修正方法。该方法利用有限元模型的特征方程和试验数据的特征方程相互交叉建立模型修正的数学模型,在质量矩阵和刚度矩阵满足正交性条件和特征方程的约束下,然后利用预处理共轭梯度算法修正方程的数值解。通过算例对该方法进行数值验证,并与其他方法进行了比较,结果表明计算方法提高了模型修正精度,收敛速度快,合理、可行。     

稀疏孔径ISAR机动目标成像与相位补偿方法

现代逆合成孔径雷达(ISAR)可实现多模式下对多目标的交替测量工作,但波束切换使得任一目标的方位孔径具有稀疏性,同时目标的机动性也使得目标的方位维信号具有高次调制特性,这均导致以连续采样信号模型为基础的传统ISAR运动补偿和成像方法难以直接应用。本文提出一种新的稀疏孔径(SA)ISAR机动目标相位补偿和成像方法。该方法首先建立了稀疏孔径ISAR机动目标的信号模型,然后通过求解2范数最大化的优化函数,实现对相位误差的精确估计,并且通过迭代处理提高了相位误差的估计精度。相位误差补偿后,根据压缩感知理论,构造了机动目标情况下的Chirp-Fourier字典,通过对稀疏优化问题的求解,能够较精确地从稀疏孔径信号中重构出机动目标的全孔径(FA)信号。仿真和实测数据处理结果证明了本文方法的有效性。     

再入滑翔式飞行器轨迹快速优化

为了满足再入滑翔飞行器轨迹实时生成的要求,提出了一种轨迹快速优化方法.在模型处理方面,根据再入飞行器运动的特点,对再入轨迹方程进行了合理的简化处理和无量纲化处理,使其更适合数值优化算法求解;在算法方面,采用乘子法对再入终端约束进行处理,然后采用共轭梯度法求解最优的再入轨迹.仿真结果表明,这样处理只需10s左右的时间便能产生一条满足约束条件的再入优化轨迹,验证了模型     

多层自适应模式识别系统模型

在英国WISARD单层模式识别系统的基础上,借助P.Kanerva的稀疏分布存贮(SDM)的概念,提出了~种新的多层自适应模式识别系统模型(MAPR)。并就其工作过程和主要特点作了较详细的叙述,还列出了多体印刷体汉字识别的初步试验结果。MAPR用稀疏RAN阵列代替WISARD的常规RAM阵列,用对n元模式计频的训练策略代替了原系统的直接置位策略。使系统除了保持原系统的重要优点外,在大维数或非确定性模式数据识别方面,其性能有了明显改善。     

基于N-S方程和离散共轭方法的气动外形设计

快速准确的目标函数梯度计算方法是基于梯度信息的优化设计的关键技术之一。采用离散共轭方法计算目标函数关于设计变量的梯度,流动控制方程为三维N-S方程。对于离散共轭方程和流动控制方程均采用LU-SGS方法时间推进求解。检验了离散共轭方法计算梯度的准确性,利用该方法进行了机翼的优化设计与反设计,都获得了较好的结果。算例证明了本文方法可靠性好,效果令人满意。     

不对称推力完全自动补偿技术

研究了一种适用于多发飞机的不对称推力完全自动补偿策略,并针对发动机失效后的不对称推力飞行特性进行研究。首先,推导了横航向达到平衡状态的条件,提出了一种基于发动机转子转速信号的自动补偿控制方法,在保证补偿效果的同时,解决了自动补偿系统可靠性低的问题,该自动补偿控制方法将高压转子转速信号与低压转子转速信号进行逻辑运算,结合高压转子转速差控制副翼和方向舵偏转,再与主飞行控制系统共同作用使飞机达到平衡状态。然后,基于横航向主飞行控制系统具有滚转角保持功能的特点,优化自动补偿控制系统。最后,全包线内建立飞机达到平衡状态的线性化数学模型,设计了不对称推力完全自动补偿控制律。通过MATLAB/Simulink建模并进行仿真验证,仿真结果表明完全自动补偿控制方法对不对称推力飞行具有良好的补偿效果。     

Asymptotic Performance of Sparse Signal Detection Using Convex Programming Method

The detection of sparse signals against background noise is considered. Detecting signals of such kind is difficult since only a small portion of the signal carries information. Prior knowledge is usually assumed to ease detection. In this paper, we consider the general unknown and arbitrary sparse signal detection problem when no prior knowledge is available. Under a Neyman-Pearson hypothesis-testing framework, a new detection scheme is proposed by combining a generalized likelihood ratio test (GLRT)-like test statistic and convex programming methods which directly exploit sparsity in an underdetermined system of linear equations. We characterize large sample behavior of the proposed method by analyzing its asymptotic performance. Specifically, we give the condition for the Chernoff-consistent detection which shows that the proposed method is very sensitive to the 2 norm energy of the sparse signals. Both the false alarm rate and the miss rate tend to zero at vanishing signal-to-noise ratio (SNR), as long as the signal energy grows at least logarithmically with the problem dimension. Next we give a large deviation analysis to characterize the error exponent for the Neyman-Pearson detection. We derive the oracle error exponent assuming signal knowledge. Then we explicitly derive the error exponent of the proposed scheme and compare it with the oracle exponent. We complement our study with numerical experiments, showing that the proposed method performs in the vicinity of the likelihood ratio test (LRT) method in the finite sample scenario and the error probability degrades exponentially with the number of observations.     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

基于迁移学习的SAR目标超分辨重建

针对合成孔径雷达(SAR)目标超分辨重建问题,提出了一种基于迁移学习的超分辨方法。在光学图像梯度域中联合训练超完备字典与稀疏编码映射,利用半耦合字典联系SAR图像与光学图像,寻找SAR图像在半耦合字典下的稀疏编码,并在高分辨率字典下完成重建。结合SAR图像的先验信息,使用正则化方法对SAR目标进行特征增强。所提方法在TerraSAR-X数据和MSTAR数据上进行了仿真实验,重建结果表明,相比目前的插值方法和稀疏表示方法,所提方法空间分辨率可提高0.5~1.5个像素。正则化增强结果表明,引入稀疏先验的正则化增强能够进一步提高空间分辨率并抑制杂波比,最后分析了正则化参数的选取对图像质量的影响。     

一种基于稀疏分解的静电信号去噪方法

介绍了发动机静电监测技术的原理,对静电监测信号的复杂噪声成分和类型进行分析,总结了以往经典去噪方法的不足。针对静电信号复杂噪声滤除问题,提出了一种基于稀疏分解理论的静电信号去噪方法。分析了基于稀疏分解的静电信号去噪方法流程;以所构建仿真信号和实测试车静电信号作为分析对象,利用所提方法进行了去噪分析与实例验证,并与其他经典方法的去噪效果进行了对比。结果表明:基于稀疏分解的静电信号去噪方法具有很高的灵活性,能对信号背景中包含的高斯白噪声以及工频干扰噪声能够进行有效地去除,同时能够对于有用脉冲信号的成分进行保留,针对复杂静电信号去噪问题具有良好的应用效果。      

深度确定性策略梯度算法用于无人飞行器控制

对深度确定性策略梯度算法训练智能体学习小型无人飞行器的飞行控制策略进行了探索研究。以多数据帧的速度、位置和姿态角等信息作为智能体的观察状态,舵摆角和发动机推力指令作为智能体的输出动作,飞行器的非线性模型和飞行环境作为智能体的学习环境。智能体在与环境交互过程中除了获得包含误差信息的密集惩罚外,也有达成一定目标的稀疏奖励,该设计有效提高了飞行数据的样本多样性,增强了智能体的学习效率。最后智能体实现了从位置、速度和姿态角等信息到控制量的端到端飞行控制,并进行了变航迹点、模型参数拉偏、注入扰动和故障条件下的飞行控制仿真,结果表明智能体除了能有效完成训练任务外,还能应对多种训练时未学习的飞行任务,具有优秀的泛化能力和鲁棒性,该方法具有一定的研究价值和工程参考价值。     

基于压缩感知的金属加筋板兰姆波健康监测技术

针对大型复杂板结构安全评价需要，发展了一种基于压缩感知的金属加筋板结构兰姆波健康监测技术。利用压缩感知技术从稀疏阵列得到的少量检测数据中恢复出加筋板结构中兰姆波的频散特性，并提出了一种将余弦相似度和皮尔森相似度相结合的稀疏阵列兰姆波复合成像方法，以实现加筋板结构中大范围缺陷检测和成像。实验结果表明，压缩感知技术可以恢复出金属加筋板中兰姆波的频率-波数关系，提出的兰姆波复合成像方法能够实现金属加筋板中单缺陷和多缺陷的检测及定位。研究工作为复杂板结构损伤检测提供了一种可行的技术方案。