多模型GGIW-GLMB算法跟踪机动群目标

针对多个机动群目标跟踪问题,提出了一种多模型伽马高斯逆威夏特-广义标签多贝努利（MM-GGIW-GLMB）算法。采用多模型算法对群目标进行运动建模,利用最适高斯（BFG）近似在预测阶段对多模型进行融合,减小了多模型算法的运算量,为进一步提高算法在目标机动阶段的跟踪性能,引入强跟踪滤波器（STF）对BFG算法得到的预测状态协方差进行修正。利用最优次模式分配（OSPA）距离及其一倍标准差和航迹标签正确率衡量算法对机动群目标的跟踪性能。仿真结果表明,本文算法能够提升对机动群目标的跟踪精度和稳定性。      

一种成像敏感器对月定姿算法

成像敏感器根据月像来确定卫星对月姿态角。分析了月球光学系统成像模型以及卫星两轴姿态角与月像边缘曲线方程的关系，利用分析结果并结合月像边缘点的曲线拟合提出了一种新的卫星对月定向姿态确定方法。此算法克服了非零姿态月像边缘的非圆现象并且在部分月像下也可完成姿态确定，仿真工作显示了新算法的有效性。     

多阶段高斯伪谱法在编队最优控制中的应用

针对编队协同攻击时间最优控制问题,首先通过分析编队协同攻击作战过程,将编队协同攻击任务划分为编队形成、编队保持和协同攻击三个阶段。在简化控制延迟与效率的基础上,建立三阶段通用的空间运动方程。然后结合各阶段的任务特点,综合考虑弹间防碰、期望队形参数、交班误差、导弹自身控制限制,及攻击目标精度等因素,建立各阶段的最优控制模型。基于高斯伪谱法,提出编队形成-保持-攻击一体化的时间最优控制算法。通过大量仿真,在合理选择勒让德-高斯（LG）节点的前提下,利用该方法可快速得到优化的控制指令,弹道及约束性能的仿真结果显示,编队协同攻击全过程可满足任务需求及相应约束限制,校验了算法的可行性。     

基于Gauss伪谱法的临近空间飞行器上升段轨迹优化

综合考虑密度变化、声速变化、发动机推力变化及地球引力等因素对飞行轨迹的影响,研究了与实际飞行环境更加相符的临近空间飞行器燃料最优爬升轨迹。针对该问题在气动数据处理和优化求解上存在的困难,提出一种基于Gauss伪谱法(Gauss Pseudospectral Method,GPM)的求解策略。首先,依据气动数据特点,设计拟合模型对气动参数进行高精度拟合;其次,为避免间接法和传统直接法的缺点,将Gauss伪谱法和序贯二次规划(Sequential Quadratic Programming,SQP)相结合,对存在边值及加速度约束的轨迹优化问题进行求解,获得最优飞行轨迹。仿真结果表明,在更为真实的飞行环境下,利用GPM和SQP相结合的方法可在5.83s获得一条精度为10-4～10-6左右的飞行轨迹。     

基于特征的逆向工程数据分析

在CAD/CAM领域逆向工程是一门新兴的技术,对其进行初步研究,提出了在逆向工程中,零件特征数据的提取过程思路,以及实现初步建模的分析想法。     

石英挠性加速度计I/F转换电路软件补偿研究

为提高石英挠性加速度计电流频率转换的线性度,本文从软件补偿角度出发,针对电流频率转换的特点,利用了曲线拟合方法对试验数据进行处理,设计了硬件补偿电路,验证了软件补偿方法可以提高电流频率转换的线性度。     

不同荔枝品种叶片SPAD值与叶绿素含量相关性的拟合曲线研究

以5个荔枝Litchi chinensis Sonn.品种为试材,对叶片叶绿素含量与叶绿素仪测定值（SPAD值）的相关性及其拟合曲线进行了研究.针对每个品种建立了最优拟合方程,并对其实用性进行评价;在4种拟合方程中,乘幂方程是最优方程.     

基于正交试验和APDL的盒式天平力敏元件集成优化设计

针对悬臂梁力敏元件的结构优化问题,以布片部位应变最大和变形最小为优化目标,将正交试验法引入到力敏元件结构多目标优化中,提出了一种实用高精度的结构多目标优化方法.基于正交试验法和APDL求解模块,确定初始优化方案;对在其可行区间边界上未能取优的因素,细化样本点,采用最小二乘多项式曲线拟合对该因素的试验结果进行高精度拟合,通过计算获取该因素的最优水平,得到了全局最优化方案.通过对拟合效果的量化评价和有限元仿真验证,力敏元件的参数优化结果比较理想.     

矢量偏转对轴对称喷管性能的影响

采用有限体积法对不同偏转角和不同压比下的三维轴对称矢量喷管内外湍流流场进行数值模拟,结果表明:在相同压比下,轴对称喷管各性能参数与喷管偏转角基本成线性关系,并且在不同压比下偏转角对性能参数的影响不同,在小压比工况下偏转角对性能参数的影响大于大压比工况;在同一偏转角度下,随着喷管压比的增大,推力系数呈现出先减小后增大再减小的趋势,而矢量角却增大后减小.利用最小二乘曲面拟合技术,建立了该轴对称矢量喷管性能的数学模型,确定了各性能参数与压比及偏转角的多项式函数关系,逼近精度较高,具有一定的工程应用价值.