火箭振动模态转角的试验测定

本文比较了火箭振动模态转角的相对和绝对测量表示法。通过分析和火箭模型的试验证实两种表示方法的一致性。讨论了由子结构转角频响函数实测值,预测组装结构的模态转角问题,并用典型物理梁作了模态转角试验综合的原理性验证。结论是用响应对外力的频响函数表示火箭的模态转角更合理些。     

基于Hilbert变换的模态密度获取研究

提出了在试验获取模态密度时引入Hilbert变换来提高精度的方法,使用两种方法在不同边界条件下对一块薄板的模态密度获取进行了试验研究,这两种方法分别是加速度原点频响函数虚部平均值法和引入Hilbert变换平均值法。并将两种方法的获取结果与数值计算结果进行了对比分析。结果表明,引入实测加速度原点频响函数的实部Hilbert变换求解模态密度时,平均样本数目增加了一倍,比仅用实测加速度原点频响函数的虚部计算的结果更接近于理论和数值计算结果。     

水下附加质量及阻尼的试验研究

潜射导弹在出水过程会承受由于空泡溃灭带来的脉动压力,这种脉动压力会引起弹体结构较大的动态响应和动态载荷,弹体结构在水下的模态特性和阻尼特性直接影响出水动载荷和动响应的大小。基于动力学相似模型,采用释放法分别开展了柱体结构在空气中及在水中的模态试验,采用Hilbert变换在时域中对振动衰减信号进行处理,给出了速度加权的平均频率和平均阻尼比。通过干、湿模态参数的比较和分析,获得了水对结构运动的影响参数,水中一阶弯曲振动的阻尼比约为3%,附加质量系数约0.5,刚体运动的附加质量系数约为1,试验研究结果可用于结构响应的分析和计算。     

有效载荷约束边界的试验模态分析

深入研究了火箭有效载荷约束边界模态分析的运动基础试验方法,提出了载体运动基础激励试验模态分析方法,发现基于频响比的传递矩阵估计的多维振动台基础激励试验模态分析有明显优点。典型有效载荷物理试验结果表明六自由度运动基础激励与有效载荷使用状态一致,基础运动矢量加速度的变化明显反映出结构模态频率和阻尼比的非线性特征。     

结构系统复模态参数的识别

本文根据复模态有关理论,分析了复模态传递函数和频响函数的特性,介绍了由频响数据识别复模态参数的导纳圆拟合法,提出了由加速度频响数据识别复模态参数的分步迭代法。文中还给出了两种方法模态识别的结果,并进行了比较和分析。     

有效载荷／运载火箭耦合分析的频域方法

盘算尖响函数综合技术导出了用耦合频响函数和无有效载荷的运载火箭界面加速度响应表示的有效载荷／运载火箭耦合动力分析的频域方法，给出了以自由界面的运载火箭模态分数放自由界面或固定界面有效载荷模态参数构成的耦合频响函数表达式。     

基于频响函数数据的飞行器结构有限元模型修正及软件开发

有限元模型修正技术已成为实际工程结构精确建模的重要手段,围绕结构有限元模型修正这一主题,对基于频响函数的结构有限元模型修正算法及其与现有大型商用有限元分析软件的接口问题进行了研究,改进了算法中的矩阵病态问题,并利用MSC软件的二次开发功能,基于某飞行器组合舱段结构的频响函数试验数据,对该修正算法的进行了程序编制,运用PCL语言编写了操作界面,DMAP和C语言编写算法过程,在MSC.Patran软件中形成模型修正模块。计算出的修正前后固有频率和频响函数结果与试验数据进行对比,得到了较好的效果。     

锥壳结构动态特性试验分析

为得到某锥壳构件的动态特性进行了模态试验,对得到的频响函数通过最小二乘复指数和多参考最小二乘复频域等方法进行模态参数识别,识别结果与有限元计算结果进行比较,得出了锥壳结构的动态特性,通过比较识别结果,说明了模态识别方法的适用性。     

基于加速度测量的智能桁架结构振动主动控制

加速度传感器具有频带宽、结构简单、重量轻等优点而获得了广泛使用，因此研究基于加速度测量的结构控制系统具有较大的实用价值。文中的只能获得加速度时，采用模态滤波器技术实现从物理加速度响应解耦得到单模态加速度的响应。然后改变Ｌｕｅｎｂｅｒｇｅｒ观测器的结构形式，从模态加速度响应观测得到模态们移和模态速度响应。基于模态滤波器和最优控制理论，采用独立模态空间控制策略，实现了具有密集模态的三维柔性智能桁架结构     

再入飞行器壳体气动噪声响应分析和试验验证

本文利用再入飞行器壳体气动噪声试验结果和MSC／NASTRAN软件完成了再入飞行器壳体复杂结构气动噪声的响应分析与试验验证，取得了令人满意的结果：0－1000Hz范围的振动加速度响应均方根值的计算值相对试验测量值的相对误差低于30％，响应分析和试验验证的研究表明，利用模态试验结果修正动力学计算模型保证其低阶模态参数准确，同时有限元网格必须满足一定的细化标准，保证包括高阶模态在内的模态数（避免高阶模记的遗漏）才能得到符合实际的计算结果。     

医学图像光线投影体绘制中重采样快速算法研究

光线投影算法是体绘制算法中图像效果比较好的方法，但存在运算量大，绘制速度慢的问题，如何提高重采样速度是加速光线投影算法的关键。本利用重采样点在两坐标系中的矩阵变换特性，减少矩阵运算量，同时结合三维数据场在像平面的投影减少光线投影数目；利用包围盒技术避免对空体元的采样，并且通过将Bresenham算法扩展至三维确定每个重采样点所在体元的编号。实验结果表明，本提出的重采样优化算法成像速度比标准光线投射算法快2—3倍，而成像的质量与标准算法基本没有区别。本提出的算法，既能保证绘制质量，又能显减少计算量，提高体绘制的速度。     

基于学习的并行免疫量子进化算法

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。并给出了多宇宙的并行拓扑结构,其中各宇宙独立演化．宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式．使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。仿真实验结果表明该算法比串行的免疫量子进化算法运算效率更高。     

基于K-means的深度跨模态哈希量化优化方法

互联网应用的普及使得多模态数据快速增长,跨模态检索技术已成为相关领域的关键技术之一。针对现有跨模态哈希算法存在的网络结构和量化方法等方面的问题,本文在新的深度跨模态哈希检索模型之上,提出了一种基于K-means的深度跨模态哈希量化优化方法（K-means-based quantitative-optimization for deep cross-modal hashing,KQDH）。该方法通过K-means聚类算法对多模态数据特征向量分类,并通过集体量化方式来控制量化误差,使得哈希码更好地表示出多模态特征。实验结果表明,该方法能在多模态数据之间保持相似性并最大程度地捕获语义信息,从而提高跨模态检索的准确性和效率。     

非对称广义特征值问题的拟-Eberlein算法及其并行化

非对称广义特征值问题的并行计算，目前在国内外研究得很少， Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 和 Ｐ． Ｊ． Ｅｂｅｒｌｅｉｎ 曾分别研究非 Ｈｅｒｍ ｉｔｅ 矩阵标准特征值的并行拟 Ｊａｃｏｂｉ算法，１９８９ 年 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 和 Ｐ． Ｖａｎ Ｄｏｏｒｅｎ 在 Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 的工作基础上提出了求解非对称广义特征值问题的拟 Ｊａｃｏｂｉ算法（简称 Ｃ Ｖ 算法）与并行拟 Ｊａｃｏｂｉ算法。文中以 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 等人的工作为基础，提出求解大型非对称广义特征值问题的拟 Ｅｂｅｒｌｅｉｎ 算法与并行拟 Ｅｂｅｒｌｅｉｎ 算法， Ｃｈａｌｌｅｎｇｅ Ｌ 并行系统上的数值试验表明，不仅并行效率很高，且敛速远优于 Ｃ Ｖ 算法     

捷联惯导系统的圆锥误差补偿算法研究

非互易向量的确定与补偿是影响高动态、恶劣振动环境下捷联惯性导航系统姿态矩阵计算的重要问题。为了补偿由此引起的圆锥误差，本文对一些传统算法进行了分析和研究。由于以往各种算法一般都需要输入信息为角度信息，但对于高动态、恶劣振动环境，角速度信息更有工程意义，所以针对输入信息为角速度的情形，提出了一类新的姿态算法，通过对比传统的算法，新算法在同样计算量、存储量的情况下有较优的性能，算法的精度较传统的算法高。另外，对新的姿态算法进行了误差分析．为其参数选择提供了选择标准，有工程实用价值。     

基于SOVA的并行级联空时格码的译码算法

并行级联空时格码调制(Turbo—STCM)将并行迭代译码结构(Turbo)应用于空时编码，可以极大地提高空时格码的编码增益。本基于一种改进的(Soft—output Viterbi a1gorithm，SOVA)译码算法，提出了针对Turbo—STCM的并行迭代译码方案。仿真结果表明，在保持分集增益的前提下，Turbo—STCM和原始的空时格码调制相比，编码增益有了极大的提高．同时采用该SOVA算法译码复杂度低，速度快，更利于实际系统的开发实现．     

基于Bancroft算法的GPS动态定位非线性滤波法

由于系统线性化时存在忽略项,扩展卡尔曼滤波成为一种次优的梯度下降算法.当滤波方程病态时,求解存在发散倾向,且估计量为有偏的,而非最优估计.即使动态系统噪声为高斯噪声时,残差也不是高斯噪声.在伪距定位中,由于线性化后的伪距方程是局部解,这有可能丢失正确解值.针对GPS动态导航扩展卡尔曼滤波定位问题,基于美国Bancroft的全局性非线性"闭合式求解"最小二乘算法(Bancroft算法),本文提出一种闭合式GPS非线性代数解的卡尔曼滤波法(两步算法).该方法将GPS滤波问题中的空间与时间分离,较好地解决了非线性GPS动态定位求解问题,且获得稳定可靠的动态定位解.     

多模式高概率量子搜索算法

量子搜索问题是发展量子神经网络必须要解决的问题之一.本文在分析了Grover量子算法基础上,针对量子神经网络要处理多模式问题提出了一个多模式高概率量子搜索算法,它通过一系列的么正操作能在模式集中以较高的概率搜索目标,并且该算法在搜索目标模式时能在一次算法的执行中就找到目标,所以它远比经典的搜索方法要快,而且随着模式集和目标数的增多,它运行效果越好,最后验证了算法的可行性和有效性.     

注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

地磁导航的迭代评价匹配算法

针对现有地磁匹配基本算法在数据批处理上实时性能的不足和需要预先指定匹配数据序列长度的困难,提出了一种用于地磁导航的迭代评价匹配算法(Iterative evaluation matching algorithm,IEMA)。基于迭代求解思想,将算法时间分散在各个采样时刻,同时采用实时评价方式,在每一步迭代求解后根据实际情况来判断是否可以输出匹配定位结果。试验结果表明,迭代评价匹配算法应用于地磁导航是有效可靠的,并且它能够自适应调整匹配数据序列的长度。