基于特征模型的高超声速飞行器鲁棒控制方法

针对高超声速飞行器不确定性因素多、参数变化范围大的特点,将特征建模理论与多模型自适应控制方法相结合,设计了一种基于特征模型的鲁棒自适应控制方案.将飞行器的飞行包络划分为若干个子空间,基于对象特征模型分别设计各子空间的H,鲁棒控制器,飞行过程中,通过在线辨识得到的特征模型参数对各子控制器进行平滑切换.该控制方案不但可以较...     

车牌定位与字符分割方法研究

介绍了一种改进的基于纹理特征的车牌定位方法,采用自适应阈值,实现了车牌的准确定位。设定自适应改变大小的投影切割阈值实现了字符分割。最后采用BP神经网络法来识别各个字符。实验结果表明,该方法能够较为准确的实现车牌识别,具有定位准、鲁棒性好等特点。     

光纤开关网络模块高速电路的设计与实现

讨论了FC（Fiber Channel）开关网络模块高速电路的设计与实现。开关网络模块的数据传输速率达到了1.0625 Gbps,其高速电路设计已成为系统能否可靠运行的关键因素之一。分析了传输线选择、特性阻抗控制以及信号完整性等问题,并阐述了布局、布线、电源地和叠层等设计方法。     

航空维修人员的个性心理与维修安全研究

由于目前航空维修人员的选拔缺乏专业心理素质考察,导致一些从业人员心理素质较差,从而增加了发生维修差错的可能性.本文通过卡氏16种人格因素测验,对影响航空维修质量和安全的个性因素进行分析和评估,对航空维修人员心理与维修安全进行了讨论,并提出了几点建议.     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

基于对角回归神经网络的自整定全系数自适应控制器及其特征参量辨识

针对全系数自适应控制器参数人为调试带来的不便,提出一种基于对角回归神经网络的参数自整定方法,通过神经网络的自学习能力对全系数自适应控制器参数进行在线整定.同时,提出一种新的特征模型参数间接辨识方法,采用神经网络的权值和回归层输出组成的非线性函数构造对象的特征参量,更有效地对特征模型的时变参数进行自学习和调整.对闭环回路...     

进口预旋对高负荷跨声风扇性能的影响分析

利用三维数值模拟手段,研究了全转速条件下高负荷风扇进口级转子的预旋设计形式和其对气动性能的影响,以及在优化的预旋分布规律下,转子的典型部分转速特性.该风扇转子叶尖切线速度为480m/s,设计总压比为2.55,负荷系数高达0.42.结果表明:使用常规转子仍能达到该负荷水平,但采用带进口导叶的设计形式十分必要;在转子叶尖采...     

高超声速飞行器流动特征分析

在非流线型构件或突起物的扰动效应、高马赫数和低雷诺数极限效应、低湍流度环境效应和由激波或摩擦导致的气动加热效应等4个方面的影响下,未来高超声速飞行器涉及的流动主要表现出这样的特点:典型流动结构强度高、尺度大,如强激波和厚边界层;局部流动结构数量多;激波、膨胀波和边界层结构之间相互干扰十分严重;转捩、压力脉动和一些流动结构对细微因素非常敏感;压力、摩擦应力和热流峰值现象普遍;升阻比屏障难以突破;流场同时依赖大量无量纲参数和有量纲参数,导致实验模拟难度大。本文在回顾传统高超声速流动主要流动现象的基础上,对上述7个方面涉及的典型流动现象的基础研究现状、问题本质和因果关系进行综合描述,讨论如何更有效地面对基础研究和工程实际问题。该文既可为解决典型流动现象中尚未解决的基础研究提供帮助,也可为如何合理地利用有限的已知知识解决工程应用问题提供指导。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。