非结构网格生成技术的研究

本文描述了非结构网格生成的过程。在生成方法上综合Ｄｅｌａｕｎｅｙ和Ａｄｖａｎｃｉｎｇ Ｆｒｏｎｔ两种方法之长，构造了新的网格生成方法，使非结构网格生成更方便、快捷。网格生成过程分三个部分：１．表面网格的构造和最佳逼近；２．辅助点的生成与确定；３．空间四面体网格的生成。使用上述方法，本文构造限复杂构形物体的非结构网格。     

大型柔性空间结构的状态估计及变结构控制

本文研究大型柔性空间结构作单轴大角度操纵时的状态估计及变结构控制方法。所建立指数律的状态观测器,实现了以较少传感器估计系统弹性振动模态的目的。利用状态观测器的状态及系统输出变量反馈方法,设计了大型空间结构的动态输出变结构控制律。针对一个实际模型仿真计算,得到了满意的结果。     

一种基于立体标定件的双摄像机外参数标定法

对于应用于现场测量的立体视觉测量系统,两摄像机间的外参数标定是保证系统测量准确度的重要环节之一。介绍了一种利用立体标定件实现系统外参数标定的方法,其特点是只要两摄像机同时拍摄一幅标定件图像,利用标定件上的球形特征点与其成像点之间的共线性约束建立共线性标定方程组,通过Levenberg-Mar-quardt迭代优化算法分别确定两摄像机与世界坐标系的关系,最后利用世界坐标系作为中介,将两摄像机间的外参数求出。同传统标定方法相比,该方法简单、快捷,鲁棒性好,可用于现场标定。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。     

一种用NURBS表示的过渡曲面的生成方法

讨论在两参数曲面上生成显式定义的参数过渡曲面问题。提出了一种围绕两曲面的交线,采用参数化平面与曲面之一的等距面求交,寻找两曲面的等距点,以产生变半径过渡曲面的方法;过渡曲面本身为2次×3次NURBS曲面,充分利用了NURBS曲线可精确表示圆弧曲线的特点,并使得可用统一的算法对过渡曲面进行各种处理。     

气动推力矢量无舵面飞翼的飞行实验

为实现对无舵面飞翼姿态的控制,针对基本型旁路式双喉道气动推力矢量喷管提出了“单发倒Ⅴ双喷管”布局。随后对该布局的喷管进行测力实验,并且最终将其安装在飞行器上进行了成功试飞,并对采集到的飞行数据进行了分析。结果表明:喷管矢量角随喷管阀门开度基本呈线性变化,且无滞回性;安装该布局喷管的飞行器可以不通过舵面控制,仅仅依靠旁路式双喉道气动推力矢量喷管即可有效地控制飞行器姿态;对于所研究的飞行器,在滚转机动性方面,矢量控制与舵面控制效果相近,而对于俯仰机动性,矢量控制效果较弱;后续如果使用该布局喷管控制飞行器姿态时,应当增大两个喷管之间的夹角,将更适用于飞翼布局飞行器的操纵。      

基于聚类的多标记选择性集成

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成, 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection,MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection, KMCCS）。在所提出的算法中,如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示,在此基础上给出了学习器之间距离的计算方式。此外, 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析,实验结果表明了所提算法的有效性。