模糊推理在直升机模型辨识中的应用(英文)

直升机控制系统的设计、飞行模拟器的研制及计算机实时仿真都离不开直升机数学模型 ,但是建立可靠而且准确的直升机飞行动力学模型是十分困难的 ,而且也很难保证动力学模型计算的快速性、可靠性与实时性。本文基于模糊推理技术 ,根据飞行试验数据辨识了直升机飞行模型 ,可以在一定程度上保证所辨识模型的简单、准确与计算的实时性。为了提高模糊模型的精度 ,文中采用了一种新方法来处理矛盾规则。本文利用模糊聚类分析的方法对海量的试验样本数据进行处理 ,有效地减少了辨识模型的规则数量。最后的仿真辨识结果表明 ,辨识效果合理 ,方法可行。     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。     

基于多维加权聚类的雷达信号分选方法

随着数字技术的发展,新体制、新技术雷达不断出现,反辐射导引头面临的信号环境更加密集和复杂,传统的方法已经不能对其进行有效分选。文中提出一种新的基于多维加权聚类的雷达信号分选算法。通过统计和熵值分析确定权值,计算加权的欧几里得距离,根据既定门限合并同类聚类中心,从而实现雷达脉冲的分选,并在各聚类中心应用改进的SDIF算法进行PRI精分选。计算机仿真结果验证了该方法分选的有效性。     

增量聚类综述及增量DBSCAN聚类算法研究

本文首先介绍了增量聚类算法的分类以及研究现状,提出了增量聚类算法等价性概念;然后介绍了增量DBSCAN聚类算法;最后针对用于批量更新的增量DBSCAN聚类算法,提出了本文的改进方法。其中,用插入更新数据集生成的子模式调整原聚类模式的方法,还可有效地应用于分布式聚类。     

改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。     

Segmentation of extreme ultraviolet solar images via multichannel fuzzy clustering

The study of the variability of the solar corona and the monitoring of its traditional regions (Coronal Holes, Quiet Sun and Active Regions) are of great importance in astrophysics as well as in view of the Space Weather and Space Climate applications. Here we propose a multichannel unsupervised spatially constrained fuzzy clustering algorithm that automatically segments EUV solar images into Coronal Holes, Quiet Sun and Active Regions. Fuzzy logic allows to manage the various noises present in the images and the imprecision in the definition of the above regions. The process is fast and automatic. It is applied to SoHO–EIT images taken from February 1997 till May 2005, i.e. along almost a full solar cycle. Results in terms of areas and intensity estimations are consistent with previous knowledge. The method reveal the rotational and other mid-term periodicities in the extracted time series across solar cycle 23. Further, such an approach paves the way to bridging observations between spatially resolved data from imaging telescopes and time series from radiometers. Time series resulting form the segmentation of EUV coronal images can indeed provide an essential component in the process of reconstructing the solar spectrum.     

HDA中的工程方法学原则

HDA(Hierarchical Development Architecture, 层次开发框架)是一个AO(Agent Oriented,面向Agent)方法定制的框架,用户可以在此框架的基础上针对具体项目应用,开发出所需要的AO方法.描述了如何在方法工程学指导下,将现有AO方法中的元模型提取出来,在HDA中组合成一种适用的新方法.     

基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。     

基于任务段的航空发动机载荷谱聚类方法

针对航空发动机飞行任务剖面分类问题,对发动机31个飞行任务剖面进行了聚类分析。选取飞行高度和飞行马赫数作为划分飞行任务剖面的参数, 依据其对应的飞行任务段均值生成聚类散点图,将剖面类型划分为5大类。结果表明:低空低速剖面在无量纲飞行高度为0~0.2、飞行马赫数为0.4~0.6区间,均值最低;高空高速剖面在无量纲飞行高度为1.2~2.2、飞行马赫数为1.0~1.8区间,均值最高;飞行任务剖面在无量纲飞行高度为0.2~1.2、飞行马赫数为0.6~1.0区间内最为集中;针对散点密集区域,可依据剖面特征进一步划分剖面类型;不同剖面间,飞行高度与飞行马赫数差异性强,利于剖面划分,而法向过载与转速差异性小,不利于剖面的划分。所提出的方法可以快速有效的对航空发动机飞行任务剖面进行聚类分析。      

基于加工能力模糊聚类的设备分组方法

为了在工艺设计中高效、合理、准确地确定加工设备,实现资源优化配置,提出了基于加工能力模糊聚类的设备分组方法.该方法采用加工能力元描述设备的加工能力,通过对加工能力元的聚类分组,实现对设备的分组.在此基础上,建立了加工能力元的数学模型,采用区间数模糊C-均值聚类算法对模型进行了求解,并采用改进的最大最小距离算法产生初始分组中心.最后,通过具体实例,验证了该方法的有效性.