基于滑动滤波技术的激光陀螺评价方法

激光陀螺是一种以量化脉冲的形式输出角增量的数字传感器，量化误差如同白噪声一样影响着激光陀螺的测试精度。为了准确评价激光陀螺的性能，减少量化误差对激光陀螺测试数据的影响，本文应用滑动滤波技术对激光陀螺采样数据进行滤波处理，理论分析及实验结果表明，该方法有效地降低了量化噪声从而实现了对激光陀螺的准确评价。     

随机声载荷时域信号仿真模型研究

利用航空发动机环行燃烧室噪声测试数据，采用时间序列自回归分析方法得到了燃烧室噪声及动压仿真模型ARMA（17，16），并用其对噪声时间历程数据进行了最佳预测。     

基于知网的汉语语义实例库的建设与应用

为了解决有指导词义消歧任务中的知识源问题,提出并构建了一个基于知网的汉语词义实例库(CSIC),同时开发了一个语义标注平台(SenseTag)。该平台通过方便快捷的人机交互方式显著提高了实例库的建设效率和质量。利用条件随机场模型,从实例库中自动学习消歧知识,进行自动标准在随机选取的部分汉语高频多义词的词义消歧开放测试中,取得了平均正确率85%的较好效果。     

发动机高速动平衡的振动相位分析

针对发动机转子高速动平衡转速波动、无法保证振动信号同步整周期采样的特点,提出了一种基于转速脉冲的振动信号重构技术,大大提高了相量测量的准确度和稳定性。经试验验证,这项技术是有效、可行的。     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略。针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确性。在此基础上,搭建了无人机验证平台,利用该验证平台完成了无人机自主避障飞行试验,对算法的有效性进行了验证,并对算法性能进行了评估。     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

废气排放塔尾流区随机游动扩散模拟研究

本文对一种建筑结构与形式特异的废气排放源－过江隧道风井塔，进行了如下研究：（１）在环境风洞中通过风井塔后流场的测量，分析给出塔后尾流特征，并进行示踪气体扩散模拟试验和烟云照相；（２）在上述工作基础上，建立一个先进的随机游动扩散模式，模拟尾流区污染物扩散的基本规律，模式计算结果与实验结果吻合较好。建筑物的存在使得地面最大浓度增大３￣４倍，且出现位置离源更近。研究表明，随机游动方法研究对有明显湍流不均     

双参数指数分布下定时截尾恒加试验的统计分析

设产品寿命服从双参数指数分布ε（λ，μ），其中λ＞０为尺度参数（失效率），μ＞０为位置参数（保证寿命）。在加速应力水平Ｓｉ下，失效率和保证寿命的加速模型分别为 ｌｎθｉ＝β０＋β１ψ１（Ｓｉ）＋β２ψ２（Ｓｉ） μｉ＝α０－α１ｆ（Ｓｉ），ｉ＝１，２，…，ｋ 本文给出了定时截尾情形下对由恒定应力加速寿命试验得到的数据进行统计分析的方法。获     

月面采样相机的热设计与热分析

月面采样相机安装于月球无人采样返回探测器的机械臂上,其质量小,热耗较大,长期工作在高温环境中,故温度水平成为影响相机能否正常工作的重要因素,须予以分析。文章根据相机工作模式和机械臂的姿态运动特性,构建出适应机械臂运动的热分析模型,提出几种实现相机高温散热的方法,通过对比分析,分别确定了基于OSR涂层和白漆的热控方案,并推演了散热窗口的临界模型,为后续器外设备热设计提供借鉴思路。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题，本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理，用混合高斯模型逐步逼近最优重要抽样密度函数，并采用AK模型协助逼近过程中混合高斯模型的参数的更新，从而提高了CE-IS方法的计算效率。另外，本文还改进了CE-IS方法的收敛准则，避免了方法的冗余迭代，扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型，因此，本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法，本文方法中引入了重要抽样的思想，因此在Kriging训练点数目基本相同的情况下，大幅缩减小失效概率计算时样本池规模，并且由于利用了混合高斯模型，因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。