基于序列二次规划的推力矢量控制分配方法

  针对使用推力矢量控制的航天器,建立了游动发动机的数学模型,在分析了游动发动机摆角约束的基础上,提出了推力矢量控制分配问题。将该控制分配问题转化成以力矩误差最小和对变轨推力影响最小作为优化目标的多目标优化问题,引入序列二次规划进行求解,得到一种新的控制分配方法。仿真结果表明,该方法能够准确实现期望目标,验证了所提出的控制分配方法的可行性和有效性。     

Vector容器效率测试

本文为测试STL中的各种容器效率提供了模板,并重点讨论了向量vector内存分配机制和执行效率问题,并在这两方面和其它几种容器进行了比较,最后提出了提高vector效率的几种方法。     

共因失效率的不确定性评估

利用影响矢量法中定义权值的思想并对其进行扩展,针对数据的不确定性问题,提出了一种新的共因失效率的计算方法。该法综合考虑评估和统计的不确定性,利用概率生成函数,根据权值来获得系统多重失效率的均值和方差。算例表明,在计算共因失效率均值时,该法与传统的近似计算法获得了相同的结果,而在计算方差时,传统的近似法给出了过于乐观的结果。     

角速率输入下圆锥补偿算法的一般形式

传统圆锥补偿算法直接应用于由速率陀螺组成的捷联惯导系统时,算法误差明显增大.为抑制算法误差,提出了一种以角速率为输入信号,任意子样数圆锥补偿算法(包括改进算法)的一般形式,并在典型圆锥运动条件下以算法漂移误差最小为优化准则,推导了相应的圆锥补偿系数方程和算法误差表达式.利用给出的公式,求解一个线性方程组即可得到圆锥补偿系数,可方便快捷的设计任意子样数的角速率圆锥补偿算法以及改进算法.仿真结果表明,所设计的改进算法比同子样数常规角速率圆锥补偿算法在精度上有明显提高.      

基于Tophat变换和文字纹理的车牌定位算法

针对车牌自动识别系统的应用场景越来越广泛,提出一种新的基于Tophat滤波和文字纹理特征的车牌定位算法.首先,利用形态学Tophat滤波抑制背景、消除不均匀光照,然后对图像进行二值化操作和连通域分析;其次,扫描图像得到区域的垂直投影图(VPM, Vertical Projection Map),对VPM进行离散余弦变换(DCT, Discrete Cosine Transformation),利用中低频描绘子重构VPM,重构后的VPM更为平滑,不受噪声影响,其波峰波谷数量、统计量更能描绘区域纹理的本质属性;最后,结合部分中低频描绘子和统计量组成描述区域纹理的模式向量,输入支持向量机归类.实验表明,算法适用于自然场景中的车牌定位问题,具有较强的适应性.      

基于支撑域的单分类器和密度估计的本质关系

单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。为揭示采用高斯核后他们与密度估计之间的关系,首先将基于支撑域的单分类器统一到密度估计的框架下;其次证明了基于支撑域的单分类器诱导的密度估计和真实密度一致,同时也能减小积分平方误差。最后通过人工数据集实验验证了上述关系。     

支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。     

基于最小二乘支持向量机的普通高校招生人数预测研究

近年来普通高校的发展速度与规模,使社会大众兴起了对教育质量与总量的关注。普通高校招生数预测是制定教育政策的重要依据。针对中国文化教育的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间序列预测模型。预测结果表明该模型具有较高的预测精度,为普通高校招生数预测提供了一条新的途径。     

用于识别两颗故障卫星的RAIM算法

提出了一种可以识别两颗故障卫星的接收机自主完好性监测算法.将最优奇偶矢量法应用于两颗故障卫星识别,指出由于故障偏差可能会抵消而使得正确识别率较低.对最优奇偶矢量法进行了改进,利用对单颗卫星故障敏感的最优奇偶矢量对所有可能的两颗故障卫星组合分别构造两个新的奇偶矢量,用于两颗故障卫星的检测和识别.计算机仿真结果显示,改进后的算法与直接利用最优奇偶矢量法相比,可以显著提高两颗故障卫星正确识别率,识别率可超过90%.同时,改进算法的奇偶矢量构造方法简单,计算量将减少90%以上,更有利于工程实现.      

基于SVM的浮动车行驶模式判断模型

浮动车在低速情况下存在两种行驶模式,如不能对上述模式进行准确区分,将严重影响浮动车实时路况计算的精度和效率.研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法.实验表明通过上述方法选择的特征子集所训练的分类器在测试样本集上具有92.6%的分类准确性;经过行驶模式分析后,浮动车系统的准确性有显著提升.