一种用于测量高层大气风场的新型地基Fabry-Perot干涉仪

地表海拔大约250\,km高度处大气非常稀薄,目前被动光学观测是该层风场探测最有效手段.Fabry-Perot干涉仪(FPI)由于具有较高能量利用率及光谱分辨率等特点,是该层大气最有效的地基风场探测仪器之一.基于采用光路缩束系统及滤光片后置(标准具之后)方法研制的小型化FPI,2014年分别在河北廊坊(39.40°N,116.65°E)和山西岢岚(38.71°N,111.58°E)进行了地基观测试验,将观测数据与反演算法相结合得到高层大气风场数据,并将数据结果与美国大气研究中心两台FPI的风场数据进行了比较研究,在气辉整体辐射较弱的情况下得到岢岚站的风速平均反演偏差为11.8 m·s-1.      

基于Bayesian-MCMC估计的隐身飞机RCS模型优化

对隐身飞机的雷达散射截面(RCS)统计建模时,传统方法通过直接计算RCS样本的统计特征估计模型参数,可能会产生较大的拟合误差。本文提出采用贝叶斯-蒙特卡罗(Bayesian-MCMC )方法提高起伏模型的参数估计精度,从而减小模型的拟合误差。首先将卡方分布模型和对数正态分布模型进行贝叶斯推导,得到其特征参数的后验估计表达式。然后采用MCMC算法构造后验分布的马尔可夫链,从而计算特征参数的估计值。最后通过比较2种方法的拟合曲线及其误差可知,本文方法适用于2种起伏模型,模型参数的估计误差比收敛误差门限值低1~2个数量级,2种分布模型的拟合精度均提高50%以上。      

全局最优导向模糊布谷鸟搜索算法及应用

针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。      

复合材料层合板机械连接修理拉伸性能

带损伤孔的复合材料层合板拉伸强度会降低约55%,需要对其进行修理以恢复力学性能、满足使用要求。针对带圆形损伤孔的复合材料层合板设计了机械连接修理方案,通过轴向拉伸试验评估其修理效果。根据试验条件建立了有限元模型,分析不同的修理方案对破坏模式、破坏载荷、应力分布、钉载分配等产生的影响。试验及有限元分析(FEA)均表明,修理后的复合材料层合板,其强度恢复率达到55%~60%左右,应力集中部位主要在修理区域最外侧的钉孔旁,最终破坏模式为母板沿修理区域最外侧一排钉孔断裂。使用双面修理、增加螺栓排数、采用金属补片、适当增加补片厚度,可减缓应力集中,改善钉载分配,提高结构强度恢复率。      

可重复使用飞行器进场着陆拉平纵向控制

针对可重复使用飞行器（RLV）进场着陆拉平段的纵向控制问题,提出了反馈控制与前馈控制相结合的复合控制策略。设计反馈控制律参数,在此基础上基于时间加权高度跟踪误差/误差变化率平方积分指标优化设计前馈控制律参数。按输入补偿的前馈控制在不影响系统稳定性的前提下,提高了RLV对拉平着陆轨迹的跟踪精度,减小了RLV的接地散布。提出了基于积分器初值的控制律平滑切换方法,实现了RLV起落架释放前后不同控制律之间的平滑切换。仿真验证了拉平纵向复合控制和拉平过程中不同控制律之间平滑切换方法的有效性。      

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

基于Hybrid-TOPS的星载SAR运动目标监视新模式

针对传统星载合成孔径雷达(SAR)模式下运动目标测速范围有限、精度低等问题,本文提出了一种基于Hybrid-TOPS的星载SAR运动目标监视新模式。首先,利用混合度因子对星载SAR成像模式进行定量化的描述。在此基础上,通过TOPS模式与逆TOPS模式的组合提出一种运动目标监视新模式,该模式不仅能实现对同一区域的多次观测,且具有方位向连续观测的能力。然后,利用新模式所获取的不同方位向观测角度下的SAR序贯图像,再结合图像配准和基于新模式的运动目标参数反演即完成目标方位向速度信息的精确提取。最后,仿真验证了新模式的有效性与运动信息提取的精确性。      

基于编队控制的自适应HELLO更新算法

在无人机(UAVs)编队自组织网络中,针对无人机之间位置信息更新周期不合理,从而导致编队控制不稳定和控制开销过大的问题,提出一种基于无人机编队控制的自适应HELLO更新算法。该算法应用编队控制稳定性理论推导出无人机组成期望编队的控制延时上限,结合该延时上限和编队运动状态自适应地设定HELLO更新周期。仿真结果表明,本文提出的算法与固定HELLO更新周期算法相比,既能保证在组编控制过程的稳定性,又能实时维护稳定阶段的链路,并且显著减少网络中不必要的控制开销。      

基于图像特征分析的物体轮廓提取

对物体的轮廓进行分析提取,是计算机视觉方向的基础问题之一,对其进行研究对于复杂场景的分析理解至关重要。本文对室内场景图像进行研究,基于图像特征进行图像分割,提取物体轮廓。在彩色场景图像全局轮廓后验边界概率（gPb）提取算法的基础上,加入深度图像信息,对室内场景的彩色、深度（RGB-D）图像中的物体轮廓进行分析。通过多尺度信息融合,计算得到多尺度轮廓后验概率（mPb）和谱后验概率（sPb）,两后验概率加权综合得到gPb。而后结合超度量轮廓图与分水岭算法,对基于方向特征变化的gPb图像融合处理,最终得到清晰的物体轮廓。本文所提方法在通用的RGB-D数据库基础上进行实验。实验结果表明,本文所提出的方法能提取出清晰的室内物体轮廓图。