旋转抛物曲面测量中的测球半径补偿

利用激光跟踪仪进行曲面的三维测量时,需要进行反射球的半径补偿。本文针对某高精度旋转抛物曲面检测,分别利用点距法和等距面法进行了半径补偿。结果显示,两种办法均能有效地实现半径补偿,提高了检测精度。     

基于事件的EMR遥操作自适应规划与控制方法

提出了基于事件的舱外自由移动机器人 (ExtravehicularMobileRobot,简称EMR)系统在任务空间内的自适应规划与控制方法 ,使系统具有处理突发事件和不确定事件的能力 ,同时提高了系统的自主性和适应能力 ,增强了遥操作的安全性 ,仿真证明了该方法的正确性和有效性。     

空间站力矩平衡姿态和动量平衡姿态的研究

研究了空间站的力矩平衡姿态(TEA)及动量平衡姿态(MEA)的求解方法。首先定义了瞬时TEA、平均TEA和MEA的概念并建立了环境力矩在本体系下的数学模型;其次用迭代法确定出瞬时TEA,进一步通过求解非线性方程组计算平均TEA,仿真表明在一个轨道周期中空间站保持在平均TEA时所受外力矩的平均值远小于保持在零姿态的情况;最后提出求解MEA的方法,仿真表明空间站保持在MEA的动量积累及其峰值远小于保持在零姿态的情况。     

电容式多次放电点火系统设计与试验

针对某型二冲程点燃式空气辅助缸内直喷发动机燃用柴油问题,提出了实现单电容连续多次放电点火的方法,研制了直流电容式多次放电点火模块,进行了多次点火功能性验证及点火能量测试.在此基础上,进行了环境温度为6℃下的冷起动试验及3000r/min小负荷性能试验,结果表明:在该环境条件下,采用5次放电点火策略能够使发动机起动成功,在小负荷工况下,增加点火次数有利于改善缸内燃烧,点火提前角在10°~20°之间时,4次点火对发动机动力性、燃油消耗率及排放性能改善比2次点火更明显,当点火提前角提前至30°后,其改善作用逐渐减小.      

基于CFAR检测的SAR噪声干扰效果评估方法

在研究美国林肯实验室的SAR恒虚警(CFAR)自动目标检测方法的基础上,分析了CFAR目标检测技术在不同噪声干扰强度下检测概率的变化情况,并结合图像相关性分析得出一种改进的基于CFAR检测技术的SAR噪声干扰效果评估方法.     

一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

基于四元数反馈线性化的飞行器姿态控制方法研究

空间飞行器姿态控制系统是一个非线性多输入多输出系统,其姿控执行机构的布局及工作特性决定了姿态控制的难易程度。针对飞行器以姿控发动机作为姿控执行机构时的大角度姿态运动需求,本文采用单位四元数作为弹体姿态描述,考虑到姿控发动机布局对姿态控制的影响,直接以姿控发动机推力作为系统的控制输入,利用反馈线性化方法,将原非线性系统转化为一个六阶线性子系统和一个一阶内动态子系统。在对内动态分析的基础上,针对线性子系统设计了四元数PD反馈控制律。在转动惯量不确定性以及轨控大干扰力矩存在的情况下,对闭环控制系统进行了大角度姿态运动数字仿真。仿真结果表明,本文所设计的姿控方法能够有效地实现飞行器大角度姿态控制,并对系统参数摄动及外部干扰具有较强的鲁棒性。     

电大目标等离子体隐身的矩量法优化设计

根据高频散射特征,提出典型几何散射中心替代法,用于解决矩量法（MOM）用于电大目标等离子体隐身时的优化设计问题。以某典型电大目标为例,通过仿真分析了该方法的可行性。结果显示,电大目标覆盖利用该方法得到最优参数的等离子体后,不仅目标整体的单站RCS平均缩减与典型几何散射体的单站RCS缩减相当,且任意方向上RCS基本都有10dB左右的缩减,表明用该方法得到用于电大目标隐身的等离子体参数是可行的。     

银行印鉴的模糊识别方法

印鉴的计算机自动识别在金融电子化进程中是一个关键问题,也是一项十分难以解决的课题,目前国内外已提出了一些算法,但仍然在存在若干未能解决的问题,本文结合遗传算法,图像分析,模糊识别等方法,提出了一套完整的印鉴识别方法,能适应不同形状,大小的印鉴,配准精度高,特征提取较为全面,有效,分类准确,且能较好的消除背景干扰,基本达到实用要求。     

Mining Spatial Associations with Limited Sensory Information

Abstract

Human navigation in an unknown environment requires an understanding of the spatial relationships of the terrain. For example, a soldier who is on a reconnaissance mission in a new city needs to “know” the spatial layout of the surroundings with high confidence. Oftentimes, this understanding must be acquired within a very short amount of time and with limited sensory inputs. The soldier would benefit from a digital avatar that draws inferences about the spatial layout of the city based on an initial set of observations and guides the soldier either in further exploring the environment or in making decisions based on these inferences. In this paper, we present and evaluate an inductive approach to learning spatial associations using sensory data that is available from the simulation environment of a computer game, Unreal Tournament. We study two kinds of spatial relationships between nodes on a level of a game map: nodes that are placed near each other to satisfy some spatial requirement and nodes that are placed near each other to satisfy the design preferences of a level architect. We show that we can infer both kinds of relationships using an association rule mining algorithm. Furthermore, we show how to use an ontology to distinguish between these relationships in order to discover different types of spatial arrangements on a specific map. We discuss how the inferred associations can be used to control an avatar that makes recommendations for navigating unexplored areas on a map. We conclude with some thoughts on the applicability of our methods to scenarios in the real world, beyond the simulation environment of a game, and on how the learned associations can be represented and queried by a simple question-answer type system.