弹道跟踪数据融合处理的快速算法

针对弹道跟踪数据融合处理中的大计算量环节研究了快速算法。用样条函数表示弹道参数,建立了多测元的联合观测模型和弹道参数的非线性融合计算模型,给出了弹道参数的求解算法,分析了弹道参数融合计算中的大型矩阵运算问题,利用基础线性代数函数库提高了大型矩阵的运算速度。建立了样条模型计算的非线性约束优化模型,给出了确定样条节点位置的优化算法,通过分析样条模型的计算原理设计了并行算法,实现了样条模型的并行化计算。仿真结果表明,弹道参数融合计算和样条模型计算的效率都得到了显著提高,计算时间减少了65.47%,对缩短数据处理周期有重要意义。     

一种新的信息融合功能模型

在分析了信息融合三级、四级和五级模型优缺点的基础上,提出了信息融合分类的六级功能模型。分析和介绍了每级的含义及特点,并同时给出了该六级功能模型的逻辑处理流程。该模型综合了四级和五级模型的优点,对从检测到威胁判断的整个过程给出了清晰的划分,突出了精细化处理,避免了三级模型和四级模型的不足。     

决策融合功能与体系结构研究

介绍了决策融合系统的概念、功能范围,并详细探讨了决策融合结构模型及实现方法。     

数据融合系统中的传感器分类及模型

数据融合中所需的数据来自许多传感器，这些传感器各有其特点，对其进行分析并给出相应模型是数据融合的前提和基础，本文对传感器特征进行了分析，对传感器作了分类并建立了模型。     

多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

基于表面技术的气动模型精密加工应用研究

表面技术应用于超高速气动实验模型的加工中,结果表明大大提高了模型的寿命,传统机械加工与表面工程相融合是气动模型加工新的复合工艺。     

基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

飞行器实时测控信息融合体制研究

飞行器实时测控系统是一个典型的多传感器系统,其多源信息需要融合处理,融合处理能够有效提高实时测控的准确度、可靠度和智能化水平。本文分析了信息融合技术对飞行器实时测控的作用,初步探讨了飞行器实时测控信息融合的功能定义、结构模型、融合方法等,并提出了工程应用中的关键技术和问题。     

数据库技术在多传感器信息融合系统中的应用综述

数据库技术在多传感器信息融合系统中占有非常重要的地位。论文以数据库对融合算法的支持为目标,以数据库模型和数据融合数据库的全面设计为基础,在全面考虑面向特征的数据表征形式和组织结构的基础上,详细讨论了多传感器信息融合系统中数据库设计的基本理论,讨论了融合算法对数据库的需求和数据库设计,设计了辐射源识别的知识数据库。     

基于数据仓库的智能决策专家系统

提出了把数据仓库技术融合到专家系统中的设想,并构建了智能决策专家系统的模型.     

飞翼布局翼身融合特性研究

提出了融合度描述方法,通过建立统一的表面面元模型分析计算融合对气动特性和隐身特性的影响。采用响应面方法对基于几何模型的面元法计算结果进行修正,给出了最大升阻比和平均雷达散射截面积与融合度的关系曲线,为气动隐身一体化的翼身融合设计提供依据。     

全源定位与导航的统一理论框架构建

针对多导航传感器的信息融合复杂性的问题,提出了一种基于全源定位与导航的信息融合统一理论框架。该框架将目前导航领域的主要定位导航技术分成了与时间无关的定位导航技术方法以及与时间相关的定位导航技术。首先,主要从数学的角度将各种导航技术的测量模型抽象为统一的表达形式,提出了位置、姿态、速度函数的概念,讨论了各种测量方法的测量函数及其应用;其次,分析了航位、航姿、航速的推算方法;最后根据测量模型和运动模型构建了信息融合的基本方程,并讨论了基于贝叶斯估计的导航参数一般性估计方法。     

机载多传感器数据融合模型和方法研究

随着多种传感器探测技术的快速发展,数据融合方法的不断被提出和采用。文中提出了一种机载多传感器探测系统结构,并分析了其关键技术,将贝叶斯判别法应用在完成目标估计和判别的数据融合方面。探讨了该方法实现机载多传感器数据融合模型及其可靠性。     

基于分形的目标识别技术和隐型装备外形设计方法

随着分形技术在目标识别时的应用,提出了一种基于分形技术的伪装区域地貌生成方法.利用分形方法生成了随机分形曲面,针对随机分形地形形状不易控制的缺点,设计出一种目标区域地貌模型与随机分形地貌模型相融合的方法,保证生成的伪装模型既有预定的形状又有随机的特性.实验结果表明,设计的伪装区域生成方法能有效的生成符合需求的伪装区域地貌模型,此模型能够实现与周围地形地貌环境的较好融合,达到良好的伪装效果.     

某型涡扇发动机测量数据融合模型

为提高传感器测量数据的有效性、可信性,基于共同工作方程,采用原始对偶内点法对某型涡扇发动机测量数据进行了融合分析。通过案例研究了当可测量参数存在误差时融合模型对流量、温度及压力等参数的预测效果;使用两种初值更新法,测试了不同工况下的物理运算时间;研究了约束违反程度对数据融合效果的影响;测试了关键传感器失效情况下,动态数据融合模型对缺失参数的预测效果,提出了进一步加快计算速度的方法。结果表明:通过数据融合,测量数据和未测量参数的不确定度下降到1%以内;通过算法优化,运算时间减小到5s,为发动机状态监控、传感器维护和传感器失效情况下发动机控制策略的制定提供了支持。     

叶身融合技术在涡轮中的应用

将叶身融合技术进一步应用于涡轮,探索其技术应用效果.为此,以TTM-stage为原型,施加7种不同的叶身融合模型,并采用数值模拟方法进行了对比研究.结果表明:前缘融合面可削弱马蹄涡;侧融合面可削弱角区分离;对静叶实施融合使动叶进口总温附面层厚度降低,在通道涡作用下高总温流体被部分推离,明显降低了轮毂壁温.      

信息融合模型的神经网络描述

主要研究了信息融合模型的构造,分析了它的并行性、层次性及环路动态特性,并力图用神经网络结构对其进行描述;最后给出一个用于目标识别的简化模型。     

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

融合物理的神经网络方法在流场重建中的应用

神经网络融合物理先验知识能极大提高其拟合复杂变量的能力,其中融合神经网络和物理控制方程的物理融合神经网络模型（physical-informed neural network, PINN）,赋予传统神经网络所不具备的先验知识和可解释性。结合课题组对PINN方法的研究和应用,本文介绍了融合N-S方程的PINN神经网络模型预测能力。首先借助三维超声速槽道湍流的直接数值计算数据,耦合神经网络和可压缩N-S方程,应用PINN方法对槽流的瞬时流场的物理量进行预测,并对瞬时量及其统计平均值与DNS对应结果进行对比来验证训练所获PINN模型的可靠性。其次,借助不可压缩圆柱绕流与三维可压缩槽道流动的计算数据,利用PINN模型进行了N-S控制方程待定系数与待定项的重建,结果显示其在重建流场流动信息的同时可逼近方程的待定系数。研究结果证实了PINN方法可为建立流动物理模型提供工具和算法支撑。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。