基于 SURF算法和 Kalman预测的运动目标跟踪

SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。     

基于数值气象预报的飞行受限区自动划设

合理有效的飞行受限区划设是航空器规避恶劣天气进行改航策略选择的重要前提。为提高划设的实时性及充分考虑危险天气的随机动态连续变化,借助于气象预报信息,运用Matlab对图像矩阵进行处理,自动将影响飞行安全的区域边界多边形化。通过仿真分析,所提出的划设方法复杂度较低,效果令人满意,具有一定的可行性。     

基于最小二乘估计原理的飞机流量预测

流量预测是空域评估管理系统的重要组成部分，目前流量的预测方法主要有回归分析和时间序列方法。应用系统辨识理论介绍了最小二乘格式模型在空中交通流量预测中的应用，以全国为例，根据所建立的模型对飞机的年流量进行了预测，并与回归分析方法做比较，说明了该方法的有效性。     

逐步回归法在反舰导弹火控建模中的应用

用均匀试验设计方法布点，计算了反舰导弹的标准弹道，根据获得的弹道数据，用逐步回归分析方法建立了各种发射条件下预报弹道坐标的预报模型，该模型计算简单、精度高。此建模方法也可应用于其他领域。     

机载电子系统设备的智能故障诊断系统设计

探讨了动态机载电子设备智能故障诊断系统建设的主要问题,设计了基于现代无线通信网络的智能故障预测诊断系统的总体结构及解决方案,对其中的关键技术进行了论述,尤其是无线通信协议、机载电子设备的故障预测模型及智能故障诊断专家系统等,为该系统后期研发奠定了基础.     

基于BP神经网络的飞行动态实时预测方法

针对传统Back-Propagation网络(简称BP网络)收敛速度慢、网络灵敏度过高和隐含层数难以确定等缺陷,提出一个改进型BP网络,提高了网络预测的实时性和精确性;然后将之应用到飞行动态预测问题上,充分发挥网络模型的学习、记忆和动态自适应性的优势,力图解决飞行器轨迹的描述和预测问题.      

基于主元分析和BP神经网络对刀具VB值预测

对声发射信号进行5层小波分解提取6个频段的能量值,把它与切削速度、切削深度、进给量和切削时间一起作为刀具状态的特征向量.通过主元分析进行降维、消除特征向量间的相关性后,把得到的主元作为BP(Back Propagation)神经网络的输入向量.BP神经网络应用改进的LM(Levenberg-Marquart)算法进行学习,利用输入向量对网络进行训练后,实现对刀具后刀面磨损量VB的预测.实验结果显示:基于主元分析和LM算法改进的BP神经网络建立的预测系统,网络输出与实测VB值的误差0.03以内;根据预测VB值的范围可判别出刀具的不同状态.      

民用飞机健康管理技术研究

随着民用飞机的系统集成度和复杂性大大提高,为降低民用飞机的运营成本、提高安全性和可靠性,民用飞机健康管理系统成为航空制造行业的发展趋势。本文简要介绍了民用飞机健康管理技术在国内外的发展现状,现阶段技术条件下所面临的问题以及所涉及的关键技术。着重介绍了民用飞机健康管理技术研究的方法和研究的内容,并对民用飞机健康管理技术未来的发展趋势进行了展望。     

基于智能微分对策的自主机动决策方法研究

提出了一种基于智能微分对策的自主机动决策系统.该系统通过预测对抗双方的未来运动状态,将双边极值问题转化为单边极值问题,以降低计算复杂程度,满足机动决策的实时性要求.为体现对抗特性,采用战术过程评价获得最优机动,战术过程评价采用逐级淘汰方法.仿真结果表明,对抗双方未来运动状态预测误差能满足机动决策的需求,机动决策结果能有效提高作战性能.     

贝叶斯正则化BP网络在机翼载荷分析中的应用

采用贝叶斯正则化与BP网络相结合的方法,构造了一个分析飞机机翼载荷的三层BP网络。贝叶斯正则化方法提高了BP神经网络的泛化能力,且能考虑非特征化的非线性影响。使用某型飞机对称机动和滚转机动的试飞实测数据作为载荷激励来训练神经网络,并用这个训练完的网络预测了该飞机机翼的飞行载荷。最后将神经网络预测结果与实测结果进行了比较,结果表明该方法能够准确地实现飞机机翼载荷预测,对新机研制和飞行试验有较高的参考价值。