小型无人机L1自适应纵向控制设计

针对小型无人机模型的不确定性以及传统模型参考自适应控制瞬态性能差的不足,采用一种新的L1自适应控制方法对小型无人机进行纵向俯仰角控制设计.首先研究了L1自适应控制方法的基本数学理论及其在一般不确定系统中的应用;考虑存在不确定因素时的小型无人机纵向模型,利用L1自适应控制方法设计了小型无人机纵向俯仰角的控制器;最后对所设...     

柱式回转装配体的展开技术研究

对柱式回转装配体的组件进行了分类,分析了各类组件的结构特点,确定了各类组件在回转装配体的展开过程中的需求,针对不同类型组件分别提出了不同的展开算法,并在此基础上对柱式回转装配体提出了一个系统的展开方法。该方法能够快速方便地将柱式回转装配体组件正确定位在展开后的位置,最后通过实例验证了该方法的有效性。     

基于MEMS传感器的高速风洞壁面剪切应力直接测量技术

提出了一种新的壁面剪切应力测量方法,使用锯齿状排布的MEMS传感器作为敏感元件,在高速风洞中对研制的剪切应力测量设备进行了原理验证实验.实验结果显示湍流中的局部壁面剪切应力大小是层流中的两倍以上,监测局部剪切应力可以作为一种有效的边界层转捩的实验判定方法.利用这一方法测得的转捩区与使用脉动压力测试技术测得结果一致,验证了通过MEMS元件监测局部剪切应力作为边界层转捩测量手段的可行性和可靠性.     

Stewart六维力/力矩传感器弹性体的设计分析

分析了六维力／力矩传感器弹性体结构;提出了基于Stewart平台的球形连接分体式弹性体的设计方案;对Stewart平台的六维力弹性体结构进行建模,用有限元方法做单维力和力矩的加载求解;经数值分析得到应力与应变的分布,从而求解出最大受力分布点,经线性变化得到输出与载荷之间的传递矩阵,并求解出六维力大小;调整上下平台夹角α,β,半径R1,R2及杆长L等参数,对传感器结构参数进行设计,列出设计数据表为Stewart六维力传感器结构参数的设计提供了参考依据。     

机场航空噪声收费制度研究

机场航空噪声收费是应对航空噪声污染一项行之有效的制度,其理论基础是庇古为解决外部性问题所提出的"收费-补贴"思想。瑞士苏黎世机场有关航空噪声收费的规则安排为机场航空噪声收费的制度设计提供了可资借鉴的范例。为解决当前严重的航空噪声污染问题,我国应借鉴国外的有益经验,及早确立与实施机场航空噪声收费制度。     

基于SNGR方法的二维空腔噪声数值模拟

基于SNGR方法,采用有限差分法求解带源项的线化欧拉方程。数值方法采用色散关系保持(DRP)格式。低耗散色散龙格-库塔格式显式时间推进,采用无反射远场边界条件。对二维空腔,长深比为9∶1,在亚声速、跨声速和超声速多个马赫数下进行噪声预测,并与实验结果对比,两者吻合较好。     

基于色彩恒常性的彩色图像增强改进算法

将色彩恒常性算法应用于彩色图像增强中,在分析McCann Retinex算法的基础上．针对迭代参教的选取问题作出了改进。改进的算法基于一种迭代截止条件,对参数进行自适应选取,避免了人工设定,并同时减少了整个算法的运算量。实验结果表明,改进后的算法对彩色图像的颜色、亮度、对比度处理的结果符合人眼视觉系统的感知特性,应用于彩色人脸检测的预处理后,人脸正确检测率提高了1．5%。     

基于鸟类目标散射特性分析的雷达探鸟实验

 鸟类目标散射特性研究是雷达探鸟系统探测性能分析的理论基础。基于此,首先进行了鸟类目标散射特性分析,采用实验数据构造的理论统计模型,估计出单只鸟和鸟群的雷达散射截面（RCS）量级范围。然后,详细介绍了雷达探鸟实验系统的系统结构、探测性能和飞鸟目标识别算法。最后,基于外场实验获取的雷达探鸟图像序列提取出飞鸟目标轨迹与相关信息,验证了雷达探鸟的可行性,并通过对不同实验结果的分析提出了抑制虚警和漏警的算法改进方向。     

网络服务性能测量体系结构

网络测量基础设施是网络测量领域研究的关键问题,在Internet网络环境下,网络服务提供商和网络管理员希望能从用户的角度了解其网络服务的服务质量,而用户希望获得定量的指标来选择质量最优的网络服务提供商.为此,在研究现有网络测量基础设施的前提下,提出一种分布式网络服务性能测量体系结构--SPMA.探讨了现有测量基础设施的经验和不足,重点介绍了SPMA的结构及其特点.SPMA采用了一种用户可定制、测量内容可扩展的通讯模型和数据模型,并使用了一种基于测量代理的测量探针自动部署机制.SPMA通过在不同网域部署测量探针收集被测目标的性能指标,从而可以最大限度的反映用户可获得的服务质量;它对外以Web服务模式提供测量服务,易于用户提交测量请求和获得测量结果.     

基于小波变换和神经网络的脑电信号分类方法

结合小波变换和神经网络对酒精中毒者和正常清醒者的脑电信号进行分类.通过分析脑电数据找出分类特征;采用一维离散小波变换提取含有分类特征的脑电信号频段,并以小波变换分解系数作为信号特征,实现数据序列长度压缩;对应3种刺激方式建立3个相同结构的学习向量量化(LVQ)神经网络,用于对脑电信号的预分类;根据判决规则得到最终分类结果.对真实脑电数据的分类正确率达到89%.