基于连续同伦算法的天基仅测角初定轨方法

要进一步提高天基短弧初定轨的精度,在观测资料精度较高的情况下,仅考虑二体问题是不够的,还应考虑轨道摄动的影响。因此,基于无摄初轨的单位矢量法原理和矢量斜分解方法,给出了考虑摄动的天基仅测角初定轨单位矢量法。针对天基仅测角观测条件方程组求解过程中易出现迭代不收敛或收敛到平凡解的问题,引入连续同伦算法求解观测条件方程组,提出了单星观测方式下的空间目标天基仅测角初定轨方法,并通过数值仿真算例验证了该算法在较大范围的收敛性和数值稳定性。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

基于神经网络的战时装备维修保障能力评估

介绍了神经网络的概念,阐述了BP神经网络的基本原理与方法,在系统分析战时装备维修保障系统的基础上构建了战时装备维修保障系统能力评估指标,设计了BP神经网络模型,通过Matlab仿真软件对结果进行计算分析表明,BP神经网络具有很强的解决非线性问题能力,适用于战时装备维修保障能力评估。     

基于热敏电阻的气体温度测量误差分析

挤压气体内部温度的精确测量对确定贮箱内推进剂剩余量和提高氧化剂和燃烧剂的混合比控制精度有重要意义.提出了一种基于热敏电阻的矢量测温方法,通过测量气瓶壁面温度推算气体内部真实温度,分析温度电阻非线性特性、温度—电压处理电路、A/D采样非线性等因素导致的温度测量误差,最终获得系统自身的温度采集误差,在此基础上分析了影响此误差的主要因素.最后分析了外界干扰引起的测量噪声对温度测量的影响,并采用小波降噪的方法对此进行降噪处理,使温度测量精度得到较大改善,并最终确定了内部气体温度的测量误差.     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

来流马赫数对射流矢量喷管内流场影响的动态模拟

以二维拉瓦尔喷管为对象,利用非定常雷诺平均N—S方程和RNGκ-ε两方程湍流模型对激波控制的射流推力矢量喷管非定常流场进行研究,分析了来流马赫数连续变化对喷管流场的影响,得出喷管推力性能的变化规律。结果表明：在亚声速来流中,轴向力随飞行马赫数增加而小幅上升,侧向力变化不大;在跨声速来流中,轴向推力和侧向推力都急剧下降;...     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

机床组合夹具设计仿真平台在《机械制造技术基础》课程教学中的应用

本文针对传统的机械制造技术基础教学环节中存在的一些问题,提出了用VB（Visual Basic）对Solid-Works开发的机床组合夹具仿真平台进行辅助教学,并介绍了该仿真平台的设计和实现过程及使用和教学效果。     

基于变对角加载的RCB算法

稳健的Capon波束形成(RCB)算法确定的加载量与设定的导向矢量误差范围成正比,在导向矢量误差比较小时,加载量也比较小,这时对小快拍的稳健性就很差。为了改善RCB算法在小快拍时的性能,提出一种基于变对角加载的RCB算法,利用估计的协方差矩阵误差对采样协方差矩阵进行修正,用修正后的协方差矩阵代替原协方差矩阵代入到RCB算法的权向量求解过程中,这样可以根据导向矢量误差和协方差矩阵误差动态调整加载量,在不增加计算复杂度的基础上,可以获得比RCB算法更好的稳健性。计算机仿真验证了算法的有效性。