基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段，其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波，本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer，ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF，Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点，本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性，并提出多个精英动态引导机制，强化算法前期的探索能力和后期的开发能力，同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度，MGPALO-RBF模型具有更好的海杂波预测性能。     

航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要，提出了基于标准化欧氏距离的多特征融合评估方法。首先，进行了航空滚动轴承故障模拟试验，引入了故障灵敏度的定量评价指标，对融合前后特征的故障灵敏度进行了分析；在此基础上，将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较；最后，进行了轴承疲劳加速试验，将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计，基于标准化欧氏距离的融合值的故障灵敏度更高；其对不同类型、不同阶段的航空滚动轴承故障更加灵敏，相比于有效值更适合作为航空滚动轴承状态监测的指标。      

车载惯导系统抗扰动自对准方法对比研究

自对准技术是陆基机动平台及装备用惯导系统的一项关键技术,其核心在于惯导系统如何在风扰、发动机振动、人员走动等各种干扰下实现快速、高精度对准.针对目前常用的惯性系解析自对准、Kalman滤波估计自对准和惯性系奇异值分解(SVD)自对准等三种方法进行了研究和对比分析,根据三种对准方法各自的实现原理,提出了一种有针对性的抗扰动优化方法,并通过了数学仿真分析和车载试验验证.结果 表明,在车载使用环境下,后两种方法都能获得较为准确的姿态信息,惯性系SVD方法可以达到与Kalman滤波方法相当的对准精度和收敛速度,且无需先验信息即可获得最优解,表现出了较好的工程应用优势.     

被动型氢原子钟原子跃迁谱线测试与分析

被动型氢原子钟的原子跃迁谱线特性决定了其稳定度指标.为使其稳定度指标达到最优,通过设计数字式测试电路对氢原子钟物理部分进行探测,获得了不同参数配置下的原子跃迁谱线,并通过数据处理分析其信噪比、增益和线宽等特性,提出了一种参数优化方案,为原子钟闭环参数设置提供了依据.