GPS/GIS车辆路径定位方法研究

标准定位服务（ＳＰＳ）的固有误差、ＳＡ 措施和市区环境的共同影响，使得ＧＰＳ的导航精度难于满足特种车辆监管系统的需求。差分ＧＰＳ技术虽然可以提高ＧＰＳ定位的精确度，但缺乏对环境的适应能力。在对城区内ＧＰＳ定位误差进行了系统分析的基础上，提出了一种融合ＧＰＳ技术和结合历史数据的地图匹配技术的车辆路径定位方法，并通过对实验的统计分析证明了方法的有效性。     

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达（SAR）图像与光学图像匹配算法。在这种算法中，首先针对SAR图像低信噪比（SNR）与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上，根据Hausdorff距离具有强抗干扰能力和容错能力的特点，采用了改进的Hausdorff距离作为相似性测度。在搜索策略上，根据遗传算法的固有的并行性，采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明，这种算法鲁棒性好，匹配精度高，计算速度快。     

基于峰值点的目标对准在MSTAR SAR图像分类中的应用

模板匹配的分类方法是合成孔径雷达目标识别的重要方法。研究了MSTAR SAR图像,指出图像中的目标峰值点本质上对应于实际物体的散射中心,并且在一定方位区间中具有稳定性。假设目标存在位置偏移的基础上,提出先利用目标峰值点对准目标,再生成模板和分类的思想。分析了方位区间中基准图像的选取及对准过程对模板生成和目标分类的影响程度。最后研究了同类变形目标间的分类,提出了峰值点特征增强成像、预分类、目标对准和正式分类的四步算法。结果证明,所提算法具有较高的分类精度和效率。     

基于BP算法的液压泵在线状态监测及故障诊断

以液压泵振动信号的５个时域信息；峰值，峰峰值，均方根值，方差和波形系数作为最小诊断参数组合，用ＢＰ神经网络进行信息融合，提出一液压泵的神经网络在线状态监测及故障诊断系统。     

基于特征的锻件分类及特征有限元法

综合分析锻件后引入特征技术并归纳锻件的形状及变形特点 ,提出了锻件特征概念并给出锻件形状特征的一般定义和构成 ;采用面向对象技术表示特征 ,提出了锻件特征类的概念模式和具体的参数化数据模型 ;针对有限元分析中复杂多变的约束条件和载荷状况两个关键性因素的表达 ,提出特征类的关联思想。在基于特征的锻件分类基础上 ,把锻件变形归纳为“挤”或“压”两种特征元 ,提出了采用基于特征的有限元法 ,并综合自适应FEM、并行FEM、智能型FEM共同求解大型复杂锻件的变形模拟问题。     

基于图像对的体视显示算法研究与实现

依据摄像机拍摄的左右两幅图像,按照提出的算法进行图像的矫正、重采样和图像对间的密集匹配,最后通过图像插补输出符合双眼特性的体视图像,试验证明插补后体视图像效果较好.     

二维粘性不可压缩流场的分块耦合求解方法

本文用分块耦合的方法，并采用S.Abdallah^[1,2]和M.L.Mansour^[3]的在非交错网络上隐式求解原始变量的Navier-Stokes方程的提法和离散格式，成功地解决了二维复杂流场的数值求解问题，获得了空腔流、T型叉管流、NACA0020翼型绕流和方块钝体绕流的稳态解，并进行了讨论。此方法还可推广到三维复杂流场的计算问题。     

下颔式进气道实验研究

为了验证下颔式进气道 /前机身一体化设计方案的合理性及其进气道性能 ,对下颔式进气道 /前机身一体化设计方案进行了实验研究。测出了进气道总压恢复系数、畸变指数随流量系数、攻角、侧滑角的变化规律。结果表明 ,进气道性能较好 ,进气道 /发动机匹配良好。最后提出了下颔式进气道的进一步改进措施     

发动机转子系统早期故障特征提取方法

对飞机发动机转子系统早期故障特点进行分析的基础上,提出了利用虚拟仪器和Matlab小波工具箱分析软件对其早期故障进行检测和特征提取的方法.文中对早期故障特征量的选取、有用信号与噪声信号的分离方法、突变信号与奇异信号的特征提取等进行了分析和研究,并以转子早期碰摩和早期不平衡为例进行了实验研究.结果表明,Labview和Matlab小波分析软件相结合,能够快速有效地提取发动机转子系统的早期故障特征,为发动机转子系统早期故障的快速识别提供了一种新途径.     

基于快速提升KLDA准则的MSTARSAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征，既达到较理想的识别概率，又可克服SAR图像对方位的敏感性。但此时训练样本最多，KLDA的计算代价高。为了解决这一问题，提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组，然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子，降低了KLDA中核矩阵的阶数，达到降低计算代价的目的。实验结果表明，FFVS与KLDA组合能达到理想的识别结果。