面向Web科学可视化的临近空间数据视频化方法

临近空间在科学、经济和军事等领域具有重要价值，高效便捷地进行临近空间数据Web科学可视化和信息提取是临近空间数据应用不断深入和扩展的必然需求，但是，已有的临近空间数据类型繁杂和数据量巨大，成为Web传输和实时可视化的关键瓶颈。从数据组织方法角度展开了研究，根据临近空间数据的特点，结合视频压缩原理，提出了将临近空间数据进行分解、插值和色彩空间变换处理形成图像后，选取适宜视频压缩编码方法将图像编码为视频。实验结果表明:所提方法可以实现临近空间数据在Web环境下的高效组织，在保障可视化质量的前提下通过降低数据网络传输量实现了临近空间数据的实时可视化需求。研究结果可以直接解决临近空间数据Web实时可视化问题，将为临近空间科学研究和知识发现提供可视化理论和技术支持，并为类似海量数据Web科学可视化提供方法借鉴。      

航天器用固态功率放大器加速寿命试验方法研究

针对航天器电子产品的寿命预示问题,文章指出对航天器电子产品开展加速寿命试验(ALT)研究,首先要利用故障模式、机理及影响分析(FMMEA),确定产品的主要失效机理和敏感应力;然后利用理论分析或可靠性强化试验确定产品的工作极限;最后设计出完整的试验方案。针对航天器固态功率放大器进行试验,验证了加速寿命试验在航天器电子产品中的适用性。     

高超声速飞行器再入轨迹多目标优化

针对飞行器再入轨迹多目标优化问题,提出了一种基于粒子群算法与层次分析法的综合求解策略。首先,根据飞行器的动力学模型以及再入约束条件,建立了飞行器多目标优化模型;然后,考虑到粒子群算法只能求解无约束单目标问题,采用罚函数处理飞行过程中的约束条件和优化目标;最后,针对不同约束及目标的权重对再入轨迹的影响,利用层次分析法建立包含主观评估信息的优化模型,采用粒子群算法优化求解满足相应约束条件的再入轨迹问题。仿真结果表明,该方法所生成的优化轨迹具有较高的精度和计算效率,并对设计者的主观需求有良好的体现。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

基于自适应径向基网络的舰船RCS统计特征识别方法

文章采用舰船RCS频域起伏序列的均值、标准差为识别特征向量,利用提出的基于样本密度的自适应径向基网络,进行舰船分类识别研究。自适应径向基网络采用改进的自适应PSO方法估计样本密度最优邻域半径,实现径向基网络中心的自适应选择。改进的自适应PSO方法采用能反映样本聚类特点的BWP指标为适应度评价函数,采用快慢结合的高斯自适应惯性权重调节策略,提高了最优样本密度邻域半径的搜索速度和精度。实验结果表明,自适应径向基网络能自适应获得径向基网络最优识别率对应的RBF中心及其位置分布,减少了对建模人员经验的依赖,提高了反舰导弹对舰船类型的识别分类能力。     

几近完美的粒子测量法

深奥的量子力学法则认为，人们无法在对其不干扰的情况下观察到最小的粒子。现在，物理学家在测量量子时已经能够将干扰控制在极小范围内——事实上，也不可能再小了。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题，为进一步提高故障诊断准 确率，提出了基于小波变换和粒子群优化(Particle swarm optimization，PSO)支持向量机 (Support vector machine，SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析，然后通过小波分解计算分形维数，再利用核主元分析（Kernel pri ncipal component analysis，KPCA）降低特征值维数，实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证， 获取了较高的故障诊断准确率，与其他方法进行比较，实验结果显示了本文方法的优越性。     

回流燃烧室流动特性试验

为了揭示有/无燃烧状态下燃烧室热态和冷态流场的特征和流动特性，针对某型回流燃烧室单头部试验件，使用粒子图像测速仪（PIV），测量燃烧室燃烧状态下不同截面处的热态流场，以及没有燃烧状态下不同截面处的冷态流场，探讨不同总压损失系数对回流燃烧室热态/冷态流场特征及流动特性的影响。研究表明:随着总压损失系数的增大，冷态条件下各截面流场结构基本保持不变，如射流孔穿透深度、射流角度、回流区位置及大小、流线等基本保持一致，但是各位置点速度大小逐渐增大。热态条件下各截面流场随着总压损失系数增大，流场结构也基本保持不变；相同总压损失系数时，热态流场与冷态流场存在差异，燃油喷射与气流的相对运动将会对燃烧室头部的流场结构造成影响，速度较冷态流动时略微增大。