基于AANN的数字滤波技术

航空发动机在高温、高压、高转速及较大振动等恶劣的条件下工作时,其控制系统中的传感器很容易受到干扰,所以发动机测量参数中常常包含较大的噪声,另一方面,发动机的测量参数多于其独立变量的数量,即在这些测量参数中存在冗余信息。AANN（自联想神经网络）通过对信息的压缩及解压缩过程,能够利用冗余信息抑制其测量噪声。在发动机故障诊断过程中,应用自联想神经网络对测量参数进行预处理,可以大大提高故障诊断的准确率。     

基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

基于自联想神经网络的发动机控制系统传感器故障诊断与重构

研究自联想神经网络及其在发动机控制系统传感器故障诊断及重构中的应用。自联想神经网络关键在于特征提取和噪声滤波。综合自联想网络的最优估计与故障诊断 ,自动区分估计误差和传感器故障。仿真结果表明这种方法不需要模型 ,能诊断传感器硬、软故障 ,当发动机性能蜕化时也能提供很好的解析余度。     

自组织神经网络航空发动机气路故障诊断

 为克服学习样本依赖于发动机精确模型的问题,提出了一种基于自组织神经网络的发动机智能故障诊断的方法,并运用故障特征提取的数据预处理方式,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能,引入了自联想神经网络。研究表明,自组织网络可以脱离发动机模型,并且对测量噪声有良好的鲁棒性,能基本满足航空发动机故障诊断的要求,具有较好的工程应用前景。     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。     

基于Kohonen网络的动目标实时定位融合算法

为完成对动目标的实时定位测量,有效减小测控装备组网测量实时跟踪定位误差,在建立多定位子系统组网混合式融合结构模型的基础上,利用Kohonen网络的自组织特征映射模型特点,确定各组交会数据的权值,并将其输入1个Kohonen网络进行在线竞争、融合求得目标的位置信息,增强了目标实时位置信息的连续性、完整性,减小了实时定位误差。     

月面多机器人的分布式协同定位算法研究

针对月面多机器人协同定位问题,建立了优化模型,提出了一种基于梯度的分布式步长一致算法,使每个机器人通过测量与邻居机器人的局部距离信息确定自己在网络中的位置。进行了基于测量距离信息的多机器人网络的仿真试验,结果表明,对网络中单个机器人任意给定初始位置估计值,经过该方法都可以有效获得其在网络中的全局定位;该算法也适用于移动机器人网络,静态网络定位中从给定初值到准确定位的收敛轨迹可作为多机器人移动过程的实时定位的轨迹。     

在线学习的循环自适应机动目标跟踪算法

针对机动目标难以精确跟踪的问题,提出了一种可在线学习的循环Kalman神经网络跟踪算法。考虑到状态转移矩阵、量测噪声和过程噪声矩阵在机动目标跟踪中难以实时、离线估计,且在实际应用中对应数据集获取成本高,因此使用在线学习的神经网络对其进行实时估计。由于Kalman滤波算法本身是一种循环结构,将简单的全连接层网络与其嵌合,全连接层网络实时输出状态转移矩阵、量测和过程噪声矩阵估计,构成一种广义的循环Kalman神经网络,根据网络最终输出的位置估计进行端到端的在线学习,并且通过理论推导证明了其在线学习的可行性。将提出的循环Kalman神经网络同3种经典机动目标算法进行了仿真对比,结果表明：循环Kalman神经网络跟踪需要很少的先验信息,在最优区域内较之其他3种算法具有最高的跟踪精度和鲁棒性,并且具有效率高、训练成本低以及可扩展性强的特点。     

白云国际机场建立机场计算机信息综合管理系统

经过近30年的发展，广州白云国际机场已经成为中国大陆最繁忙、客流量最大的机场之一，其业务量逐年提高，由此产生的信息量与日俱增，机场自体制改革之初的3台电脑发展到目前300多台，这些电脑的投入对改善办公手段，文字处理等发挥了一定的作用，但用于信息处理及交换的电脑几乎为零，更谈不上形成网络，无法实现机场内部的信息共事和信息互相快速传递。与世界先进机场相比，在计算机的应用深度、广度及网络化上落后一大截，已成为制约白云机场快速健康发展的瓶颈。因此，加速建立机场计算机信息综合管理系统不仅是机场走向现代化管理的必…     

弯掠动叶旋转失速工况下气动声学的实验分析与计算

测量了轴流式弯掠动叶和径向动叶在旋转失速工况下的气动噪声和噪声频谱，实验结果表明：弯掠动叶能够降低气动噪声。讨论了弯掠动叶对宽频噪声和离散噪声的影响，并且得到了适于计算弯掠动叶旋转失速工况的气动噪声计算方法。     

前缘锯齿对边界层不稳定噪声的影响

为探索仿生学前缘锯齿结构的降噪规律,试验研究了低雷诺数到中等雷诺数（Re=（2~8）×10⁵）不同攻角状态下9种前缘锯齿结构对叶片层流边界层不稳定噪声的影响。研究表明：前缘锯齿可以减弱甚至完全抑制边界层不稳定噪声,降噪效果对锯齿振幅和锯齿波长均比较敏感,锯齿振幅越大、波长越小,降噪效果越好,降噪量可达30 dB;前缘锯齿结构可以诱导产生流向涡,影响叶片下游边界层流动,破坏声学反馈回路;前缘锯齿对边界层不稳定噪声峰值频率没有影响。     

尾缘锯齿结构对叶片边界层不稳定噪声的影响

实验研究了不同雷诺数（2×10⁵~8×10⁵）、不同攻角状态下,3种相同波长（4%弦长）不同振幅（分别为5%、10%、15%弦长）尾缘锯齿结构对叶片层流边界层不稳定噪声的影响。研究表明,在0°攻角状态下,尾缘锯齿会增强甚至诱导产生新的不稳定噪声,显著增大叶片自噪声;在大攻角状态下,尾缘锯齿会减弱甚至完全抑制不稳定噪声,降噪量高达40 dB,降噪机制在于尾缘锯齿结构破坏了不稳定噪声产生所需的声学反馈回路。尾缘锯齿会降低不稳定噪声频率,且锯齿振幅越大,不稳定噪声频率越低。     

声学风洞内气动噪声源识别定位方法研究

声学风洞流场和试验环境会影响声音的传播,进而会影响声源识别。根据用于静态声源识别的经典Beamforming算法,利用声波在气流场和风洞射流剪切层中的传播规律,给出了一种能够用于声学风洞试验的基于麦克风阵列的气动噪声源识别分析方法,并进行了数值仿真和数值验算。数值验算结果表明风洞流场和剪切层对噪声源识别效果影响明显,采用本文所总结的计算方法能有效地修正这些影响。     

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。     

翼型尾缘噪声源空间分布与辐射特性关系

详细研究了翼型湍流边界层尾缘宽频噪声源空间分布与辐射特性的关系.采用基于雷诺平均流场的翼型尾缘宽频预测方法研究了NACA0012翼型湍流边界层尾缘宽频噪声在4种不同工况下的噪声源空间分布与辐射特性.首先计算了NACA0012翼型湍流边界层尾缘噪声源在不同频率下的空间分布.计算结果发现:边界层中湍流是翼型湍流边界层尾缘噪声声源.随着频率的增加,噪声源强度和噪声源空间尺寸都是先增加后减小,噪声源位置不断靠近翼型尾缘.同时也计算了边界层内不同位置处的噪声源对远场噪声的辐射特性,结果表明:边界层内层区域,其噪声频谱能量集中在高频;边界层外部区域,其噪声能量集中在中低频;攻角增大或者来流速度减小,噪声能量向低频转移.      

The Information Content of Synthetic Aperture Radar Images of Terrain

A statistical model is developed that portrays an imaging radar as a noisy communication channel with multiplicative noise, and the model is used to evaluate the average amount of information that can be extracted about a target from its radar image. The average information content is also used to define a measure of radiometric resolution for radar images. It is shown that the information content and the resolution capabilities of an imaging radar reach a limit beyond which an increase in scene dynamic range does not improve the information content or the resolution. This limitation results from the multiplicative nature of the noise introduced in the imaging process.     

前缘直板扰流对高速空腔的降噪效果分析

高速空腔复杂流动和噪声一直是航空航天领域所关注的问题,高强度的空腔噪声不仅影响腔内仪器设备的正常运行,还会对其自身的结构产生疲劳破坏,进而影响飞行器的飞行安全和品质,因此空腔噪声的抑制研究和典型控制方法的降噪效果分析对提高飞行器结构安全性意义重大。本文通过开展高速风洞试验研究跨超声速（Ma=0.9和Ma=1.5）来流条件下前缘直板装置对空腔（长深比为6）流动和噪声的控制机理,通过对比多种前缘直板控制条件下的腔内噪声声压级（SPL）分布,确定直板控制参数的优化选择方法及最优参数;利用静态/动态压力传感器和油流试验采集腔内静压、脉动压力和壁面流谱,着重分析前缘直板对腔内流动结构、声压级和声压频谱的影响规律。结果表明：前缘直板可以大幅度抬高剪切层的位置,使得后缘的撞击区域后移,从而削弱流体进入腔内的流量和强度;可以有效降低腔内静压、减小回流强度和范围,对腔内声压级和峰值噪声也具有显著的抑制效果,Ma=0.9和Ma=1.5时后缘声压级降低幅值可达11.13 dB和8.0 dB。前缘直板流动控制为高速来流条件下空腔噪声的抑制提供了一种新的方法,可有效应用于飞行器上空腔结构的流动/噪声控制,具有重要的工程应用价值和前景。     

基于多尺度局部结构化信息测度的鲁棒像素级图像融合算法

现有的图像融合算法不能有效区分基本图像特征和噪声,往往在输入存在噪声时性能变差。自然场景图像中,视觉上显著的图像特征往往表现出一定的几何结构,而噪声缺少结构化信息。基于复数小波变换,利用Von Neumann熵推导了一个结构化信息测度,可以有效区分噪声和视觉上显著的图像特征。图像融合之前利用测度加权输入,从而自适应抑制噪声同时保留图像特征。对几个图像融合方案从主、客观上进行性能比较,显示了新方案的优越性。