使用WG300的“温度”意识

在使用WG300加工镍基合金或淬火后的高硬度材料时,一旦选择合理的切削参数,其高速、高效、大去除量等特点已得到使用者的普遍认可.但初次接触该材质时,往往会感觉到切削参数的选择不好掌握,使得切削效果不理想,有时甚至出现使用失败的结果.问题的关键在于我们在应用WG300时,忽略了"温度"这个概念.     

定数截尾时，Weibull分布的Bayes双样预测

对定数截尾时的Weibull分布，介绍了无信息先验分布下的Bayes等尾精确预测区间，讨论了它的计算方法，指出了平方损失下Bayes预测子不存在，给出了Frequentist预测子，并用数值例说明之。     

非概率可靠性的工程应用研究

文章论述了非概率可靠性的提出、定义及发展现状等.对非概率可靠性的两种方法即稳健可靠性和区间可靠性的评估方法进行了对比,讨论了qmu(即裕量和不确定性的量化)方法与非概率可靠性的关系,给出了稳健可靠性在螺栓静强度分析中的应用实例,给出了区间可靠性在某库存部件的理化性能分析中的应用实例.     

基于距离像特征的复合速度估计算法研究

首先分析了步进频率宽带信号混频处理原理和目标速度对距离像的影响。在此基础上，提出了基于距离像熵和距离像对比度的速度估计算法，详细分析了这两种算法的数学原理、步骤、效果、适用条件等。最后，基于这两种算法又提出了复合速度估计算法，大大提高了速度估计精度。     

飞行控制律全包线鲁棒稳定性评估

传统的飞行控制律评估方法只能对飞行包线内的离散点进行逐点分析,对不确定性参数也只考虑了上下界,分析过程缺乏完整性和系统性。针对这些不足,研究了基于一种改进遗传算法的分析方法,该方法将评估准则转化为某个适应度函数,通过对适应度函数寻优以找到最坏情况下的不确定参数组合,在其基础上进行评估并给出评估结果或控制律修改意见。仿真结果表明,该方法能连续地研究多个不确定性参数同时摄动时的飞行包线,克服了传统方法的不足。     

中国航空运输的周期波动与未来增长的区间分析

本文依据马克思关于商品生产供需理论和借鉴近代熊彼特等经济学家对经济波动的论述及有关经济观点，结合民航的实际情况，阐明航空运输周期波动的原因，并分析未来我国航空运输增长的适度区间，供民航有关单位和部门参考。     

卫星时分多址信号高精度快速时频差联合估计方法

针对传统时频差估计方法对时分多址(TDMA)信号进行参数估计时会出现不同用户相互影响、估计精度差,以及计算复杂度高不利于系统实时信号处理等问题,文章提出一种高精度快速时频差联合估计方法.首先,基于循环平稳特征对主站接收数据进行信号检测;然后,基于小波阈值去噪和短时电平和进行TDMA信号时隙分离;在此基础上,基于不同调制信号特征参数设计多级分类器,对每个分离的信号时隙进行调制样式判别,进而分选不同用户对应的信号时隙;接着,利用主站分选的各个用户信号分别与辅站信号进行时频差粗值估计;根据粗时频差估计值减小细化时差搜索范围,以获取精细时频差估计值;最后,利用二阶曲面拟合方法进一步提升参数估计精度.仿真结果表明:文章所提方法能够有效实现TDMA信号高精度快速时频差联合估计,可为后续卫星频谱感知体系的建设提供理论支撑.     

基于SURE准则的参数自适应InSAR相位非局部滤波

干涉相位滤波是干涉合成孔径雷达(InSAR)处理中的关键步骤,然而传统滤波方法难以兼顾噪声抑制和细节保持的效果,故提出了一种改进的非局部滤波器。滤波参数由Stein无偏风险估计(SURE)准则自适应地选择,在有效降低InSAR相位噪声的同时,保留干涉条纹细节和城市建筑的边缘。通过在仿真数据和TanDEM-X实测数据上分别进行实验,并与传统滤波方法对比分析,验证所提出方法的有效性。     

基于极大似然估计器的GNSS矢量跟踪算法

矢量跟踪是一种将全球导航卫星系统(GNSS)接收机的信号跟踪与导航解算融为一体的跟踪算法。传统的基于矢量延迟/频率锁定环(VDFLL)的跟踪算法普遍采用延迟锁定环(DLL)和锁频环(FLL)鉴别器计算伪距和伪距率偏差观测量,由于锁频环鉴别器存在近似误差和一步延迟效应,在高动态环境下容易造成环路失锁。从直接估计卫星信号特征参数的角度出发,基于中频信号模型构建码相位和载波多普勒的极大似然代价函数,采用非迭代估计算法得到各通道码相位和多普勒频移的估计偏差,转换为卡尔曼滤波器的观测矢量,提出一种基于极大似然估计器(MLE)的矢量跟踪算法。理论分析和仿真结果表明:新算法结合了极大似然估计和矢量跟踪的优点,克服了FLL的延迟效应,与基于VDFLL的矢量环路相比,高动态环境下的跟踪稳定性更好,可以对被遮挡的卫星保持持续的跟踪。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.