基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

倾角回转误差算法问题分析及改进

对倾角回转误差的算法和公式进行了积极探讨,对GJB1801-1993中倾角回转误差算法进行改进尝试并通过对测试方法进行理论分析和一组典型数据的计算结果对此予以进行证明。在此基础上对倾角回转误差算法进行了修正,增加约束条件:消除的一阶谐波分量必须幅值相同,相位相差90°,从而得到修正公式。再从基本误差定义出发,重新对倾角回转误差进行推导,得到了相同的结果。     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.      

智能穿戴设备对城市居民健康生活的影响研究

在物联网技术背景下,智能手环为代表的智能穿戴设备自推出之日起便受到人们的追捧,并对人们的健康生活产生了一系列影响。本文围绕智能穿戴设备对居民健康生活的影响进行研究分析:从微观角度,研究分析智能穿戴设备对人们健康生活的影响;从宏观角度,分析智能穿戴设备在社区医疗、智能交通、智能家居等领域的社会效应。     

基于变马赫数的五孔探针三维插值方法

探讨了五孔探针气动数据的插值方法,为提高插值精度,开发了基于传统线性插值法的三维线性插值法。该方法把同一探针在不同马赫数下的校准图形成三维数据库,将实验数据通过三维图进行插值。并使用改进前后的两种插值方法分别对校准风洞测得的数据进行整理,对比结果证明:在实验工况连续变化的情况下,三维线性插值法在插值精度上要优于传统线性插值法。特别是在来流马赫数变化较大时,该方法可以改善单一校准文件处理造成的数据精度问题,可用于自动化流场采集系统,为流场高速高精度采集奠定基础。     

高超声速风洞测力数据的关联研究

通过比较分析法研究AGARD-B标模在BIA的FD-07风洞中气动力测量数据与其它高超声速风洞设备测量结果的相互关联。其目的，既可以综合鉴定FD-07风洞的流场性能和测试水平，也可以从另外意义上为数值方法的程序校验提供必要的技术支持。结果表明，在Ma=4.94-7.96范围内，所测得AGARD-B标模的力、力矩和压心位置，不仅随Ma和α的变化趋势与其它风洞一致，而且其变化量比较接近于各风洞测力数据拟合的逼近曲线。     

FL—2风洞张线实验段控制系统研制

本文主要介绍了FL－2风洞张线实验段的控制系统，包括攻角控制系统及侧滑角控制系统，以及构成它们的硬件组成及软件设计。     

最小二乘解的唯一性

从最小二乘方法的基本原理出发,用反证法证明了最小二乘解的唯一性,指出了求解过程中的注意事项,特别是病态矩阵的影响。     

洛·马公司成功试验异类无人系统通用控制设备

据报道，美洛·马公司已对一种新型的集中式无人机／无人地面车辆（UAV／UGV）控制装置进行一系列试验，成功演示了用一种集中式控制设备控制4种不同的无人系统。