基于泛化熵随机森林的雷达目标航迹起始方法

文章提出了一种基于泛化熵随机森林的雷达目标航迹起始方法,通过引入一种泛化熵可调参数,解决了传统随机森林算法对差异数据集泛化能力和适应性差且难以确定全局最优解的难题。首先利用雷达多周期回波数据构建随机森林算法决策模型,其次基于设计的泛化熵处理规则对实测数据进行分类处理得到所需测试样本,最后将测试样本输入完成模型训练的随机森林进行迭代寻优和自主决策以获取雷达目标的航迹起始结果。雷达实测数据验证表明,文章所提出的方法相比于传统随机森林方法具有更为优越的目标航迹起始性能。     

基于广义力的旋翼振动载荷计算

为描述挥舞、摆振铰和变距轴承的运动引入了三个刚体运动自由度 ,旋翼桨叶通过 5节点15自由度有限单元离散 ,计入了桨叶刚性运动与非线性弹性变形之间的动力学耦合效应。利用曲线坐标系下的本构方程 ,对经典的中等变形梁理论进行了重新的推导。另外 ,采用了Leishman Beddoes非定常和动态失速模型 ,入流由自由尾迹分析获得。导出的旋翼桨叶非线性时变常微分方程以广义力的形式给出。桨叶截面载荷和运动方程在位形空间中同时求解。由本文分析得出的桨叶振动载荷与SA349/ 2小羚羊直升机飞行测试数据吻合程度很好。     

非对称广义特征值问题重特征值的灵敏度分析

研究非对称广义特征值问题半单重特征值的灵敏度分析。对于解析依赖于多参数的非对称广义特征值问题．给出了半单重特征值的方向导数，证明了相应的广义不变子空间的解析性，并给出了其一阶导数的表达式。以这些结论为基础，定义了半单重特征值及相应的广义不变子空间的灵敏度，并给出了一个确定矩阵束中敏感元素的方法。本文的结论可应用于模型修正、故障诊断与系统最优控制。     

基于电动汽车驱动用无刷直流电机控制仿真

通过研究电动汽车中无刷直流电机(BLDCM)负载运行时电机的性能与负载之间的密切关系,针对BLDCM调速应用,提出了一种改进广义预测控制的算法。通过对仿真模型中的BLDCM的数学模型分析,建立BLDCM的控制系统并进行仿真研究。仿真结果表明:当采用改进广义预测算法,与以往的PID控制算法相比,BLDCM的负载稳态精度以及最大转速波动都得到明显的改善,具有响应快、控制精度高,电机负载抗干扰能力强等特点,BLDCM可满足电动汽车行驶中BLDCM运行的要求。     

考虑随机干扰的高超声速滑翔飞行器轨迹优化

为解决高超声速滑翔式飞行器具有干扰不确定性的再入轨迹优化问题,提出了一种基于广义正交多项式方法的随机轨迹优化数值求解方法。针对随机干扰,基于广义正交多项式方式对其分布进行采样,形成采样空间,而后将每个采样值代入确定性轨迹优化问题中进行反复迭代求解,得出观测值的样本空间,并计算其期望、方差和协方差,估计输出值。以最大纵程为代价函数对具有随机干扰的高超声速滑翔式飞行器最优轨迹进行了数字仿真。仿真结果表明,基于广义正交多项式的随机轨迹优化方法能够有效处理随机干扰对轨迹优化问题的影响,与蒙特卡洛法相比计算效率大大提高。     

Linear Complexity of New Generalized Cyclotomic Sequences of Length 2pq

The linear complexity and minimal polynomial of new generalized cyclotomic sequences of order two are investigated.A new generalized cyclotomic sequence Sof length 2pqis defined with an imbalance p+1.The results show that this sequence has high linear complexity.     

基于GSPN的飞机前轮转弯系统安全性评估

为解决在缺乏统计数据时无法对系统安全性进行评估的问题,提出将系统广义随机Petri网(GSPN,Generalized Stochastic Petri Nets)与经典评估相结合的方法.以某型尚处于设计阶段的飞机前轮转弯系统为研究对象,通过分析该系统结构功能图,建立出系统故障类型和影响分析(FMEA,Failure Modes and Effects Analysis)表;依照经典公式,求出系统各单元及其故障类型的故障率、维修度、平均无故障时间和平均维修时间等数据;将求得的数据与前轮转弯系统的GSPN模型相结合,利用TimeNET软件求得系统各故障类型的稳态失效概率;联立经验公式及危险度矩阵图对系统的安全性进行评估.经测评,该型飞机前轮转弯系统安全性符合设计要求.      

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.      

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

基于广义S变换进行雷达信号时频滤波去噪

S变换自问世以来,凭借其优越性已经被广泛地应用于数字信号处理中。针对深空目标雷达回波信号的复杂性,为了得到较好的雷达回波信号,将基于广义S变换的时频滤波应用于雷达回波信号去噪中,并利用低通滤波器设计了时频滤波算子,克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷。通过理论分析与仿真波形对比表明,滤波后能有效地去除噪声,很好地保留了原始雷达回波信号的信号特征,展示了基于广义S变换的时频滤波的可行性,为雷达回波信号去噪提供提供了一种很好的方法。