航站楼旅客流程优化

越来越激烈的交通运输竞争，逐渐暴露出民航运输的许多问题，尤其在旅客流程环节，民航运输由于其特殊性，乘机环节较多，相对其他交通工具不够便捷。为此，本文分析了针对航站楼旅客流程环节，采用调查统计，分析其工作方式的瓶颈，并提出优化建议。     

IMM-PF算法在机场场面移动目标跟踪中的应用研究

为了提高机场场面监视的可靠性以及监视数据的连续性,本文采用匀速运动(Constant Velocity,CV)、匀加速运动(Constant Acceleration,CA)和匀速转弯运动(Constant Turning,CT)三种运动模型,将交互式多模式算法(Interacting Multiple Model,IMM)与粒子滤波算法(Particle Filter,PF)相融合,充分发挥两种算法的优点,并结合机场地图信息分别对观测信息和估计输出结果进行修正,进一步提高机场场面移动目标跟踪的精度。仿真实验结果表明,本文提出的IMM-PF改进算法在机场场面移动目标跟踪的应用中具有更大的可行性和优越性。     

面向代理模型的机翼变形计算方法

按照机翼结构设计的原则,对内部结构还未确定的机翼提出了一种通用的变形计算方法。机翼的平面形状可看作由多个梯形组成,机翼弯曲变形为三次函数,扭转变形为一次函数。只要给定翼梢挠度与扭转角,即可计算机翼变形情况下的几何模型,使代理模型能够预测变形后机翼的气动载荷分布。文中给出了两个实际机翼的算例。算例结果表明,本文模型预测的变形与实际结构有限元分析给出的变形吻合较好。     

无需辅助数据的分布式目标自适应检测器

在非高斯背景和没有辅助数据的条件下,研究了高分辨率雷达分布式目标的自适应检测问题.首先采用有序检测理论和协方差矩阵的迭代估计方法粗略估计散射点集合,进一步利用迭代估计方法获得协方差矩阵的近似最大似然估计,提出了无需辅助数据的自适应检测器(ADWSD).ADWSD在非高斯背景下具有近似恒虚警率特性,且检测性能远好于修正的...     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法,具有较为灵活的并行化跟踪方式,能够较好地维持跟踪目标的假设状态,具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段,但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器,实现视频图像中的飞行器跟踪,跟踪图像存在跟踪滞后、画面抖动等现象,跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法,建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪,在识别和跟踪的基础上建立云台控制模型,通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据,检验飞行器目标的跟踪效果。     

倾转三旋翼无人机倾转定高控制研究

针对倾转旋翼无人机在倾转过程中的高度控制问题,提出一种基于灰狼优化的神经网络自适应控制方法,用于一种倾转三旋翼无人机倾转过程的飞行控制.首先,建立了无人机的非线性数字仿真模型;其次,基于神经网络自适应控制方法分别设计了无人机的高度控制器和姿态控制器,并用灰狼优化算法对神经网络的参数和控制器的参数寻优;再次,设计了倾转过...     

面向空域/时域/功能混合模式的目标分组方法

提出了面向空域/时域/功能混合模式的目标分组方法,其结果为任务规划提供了包含空域、时域、功能的目标群体特征.该方法采用标准化方法对属性数据分类和扩展,按照不同类型属性数据分别建立属性差异度,提高了目标分组特征属性的可扩展性,解决了传统属性差异度难以适用于时域及功能属性的问题;在此基础上,综合考虑协同任务对目标分组各项属性的定性/定量要求、阈值约束及重要程度要求,构造了目标综合差异度,解决了某些属性不能直接加权的问题.仿真结果表明该方法能够快速有效地实现满足任务复杂要求的目标分组.     

非圆形截面复合材料机身屈曲优化设计研究

为了降低BWB机身弯曲应力、提高屈曲稳定性,在150座BWB民机复合材料三舱室机身结构的基础上,提出了改进的Y形和弧形加强三舱室机身设计模型;利用零阶参数优化算法,对3种机身结构进行了静力与线性屈曲优化分析,获得了较为合理的三舱室机身布局方案,为BWB民机机身设计提供了重要技术参考.     

基于模态与遗传优化的某卡车振动特性分析

针对汽车驾驶室在常用高速(65～80 km/h)时,驾驶室左右晃动的振动问题,分别建立了车体、车体与板簧的系统模型,通过试验和仿真计算得到了其自由与约束状态下的振动模态分布,找到了驾驶室产生晃动的主要原因.以板簧刚度、车体刚度为变量,将约束模态分析与遗传算法相结合,对板簧和车体组成的系统进行了优化,并通过改进使常用车速下的驾驶室响应达到了舒适性要求.     

基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。