全台压气机实验数据采集处理自动化

1.引言 压气机实验提出了更高的要求,测试系统不仅只具有数据采集的功能,而且是一个集控制、数据采集、实时处理、打印、绘图等于一体的多功能自动化测试系统。以此为目的,建立了一个以IBM PC/XT微型计算机为中心控制机的适于全台压气机实验的多功能大型数据采集处理自动化系统。     

随机集的概率假设密度粒子滤波

多目标跟踪问题中,当目标数已知时,可以用概率数据互联(PDA)或联合概率数据互联(JPDA)算法。而当目标数未知或随时间变化时,需要对不同目标数的跟踪进行比较。可以把目标集看作随机集进行讨论,目标数N是随机变量。随机集的跟踪通过有限集统计(FISST)理论来完成。文中讨论了用粒子滤波实现跟踪随机集的方法。实验表明,在杂波环境下,粒子滤波可以稳健跟踪目标状态和目标数。     

旅客机座舱热舒适动态特性仿真

巡航飞行时,旅客机座舱内相对湿度和空气密度都低于地面建筑物环境。低相对湿度会造成更高的蒸发热损失,低密度空气却会减少对流换热,在这2种因素的复合作用下,会使座舱内热舒适性与地面建筑物有所不同。针对传统旅客机环境控制系统不能完全满足座舱内舒适性要求的状况,提出一种直接以舒适指标PMV为控制目标的热舒适控制策略,应用集总参数法建立了座舱热舒适动态特性模型,并采用仿真方法研究了分别以PMV和温度作为控制目标时,座舱内热舒适的动态特性。仿真结果表明,舒适控制能更好地满足座舱内的热舒适;此外与地面建筑物环境相比,需要更高的空气温度才能使座舱达到热舒适。     

基于小波变换的图像低通去噪

提出了一种利用小波变换的多分辨率特性对图像进行低通去噪的方法,系统的阐述了其基本原理和核心算法,并对加噪后的图像实现了低通去噪处理。     

滑行过程中火箭发动机泵系统各构件温度数值模拟

利用数值计算的方法，研究了某型液体火箭发动饥泵系统各构件及泵腔残余氧化剂在二次启动前滑行过程的温度变化。基于集总参数法建立了温度变化计算模型，并建立了泵腔残余氧化剂排空计算模型。计算结果与试车数据吻合良好。滑行过程中．涡轮温度下降，而泵壳体及进口管的温度升高；泵腔中残余氧化剂间歇排放。研究结果表明，滑行结束时泵系统的温度高于100℃，泵腔中残余氧化剂含汽率为1，不满足二次点火启动条件。     

基于集对分析法的故障模式综合评价研究

针对产品出现多种故障模式后难以确定故障模式改进优先顺序的问题,本文提出了集对分析模型,实现了故障模式的综合评价和优先排序,为实现质量的持续改进提供有效的依据。     

区域杂波估计的多目标跟踪方法

高斯粒子概率假设密度（PHD）滤波往往假定杂波密度参数已知,这种做法对于实际应用是不现实的。此外,杂波的参数值通常依赖于环境条件,可能随时间发生变化。因此,多目标跟踪算法中需要实时准确估计杂波密度的参数。基于此,提出了一种多目标跟踪的区域杂波估计方法。首先根据量测信息在线估计出场景中的杂波数目,然后估计落入目标附近感兴趣区域的杂波数,并估计每个目标感兴趣区域杂波强度。仿真结果表明,在复杂场景下算法的跟踪性能明显优于未进行杂波估计的多目标跟踪算法,提高了跟踪的实时性和跟踪精度。     

基于TPS的航空火控装备板卡测试系统设计

针对航空火控装备三级修理难度大的情况,提出了基于测试程序集(TPS)技术的航空火控装备板卡测试系统设计方法。根据被测装备LRU和PCB的特点和种类,确立了以板卡测试为主,辅以其他方法的测试方案,并给出了测试系统硬件设计和软件设计思路。系统对降低维修费用、提高装备的完好率具有十分重要的意义。     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。