峰值点非负矩阵分解聚类算法

非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信息,并给出了算法的迭代更新规则。在大量真实数据集上的实验结果表明,该方法可以更加有效地利用数据本身的结构信息,从而提高聚类效果。     

高精度展开锁定机构数字化装调技术研究

通过对展开锁定机构的轴系同轴度进行合理分解,得到三轴系之间的同轴度为0.073mm,同时展开重复精度提高了35%。设计合理的装配固定装置作为重复装配的基准,控制产品与装置之间间隙在0.02mm以内,提高装配效率和精度。通过选用合适部位作为测试基准,将参数进行量化处理,保证在重复拆装过程中轴系位置误差在0.015mm以内。     

壁面催化对高超声速飞行器气动特性影响

针对高超声速流动中的高温真实气体效应,采用数值模拟求解三维N-S方程的方法研究了壁面催化对高超声速飞行器气动特性的影响规律。研究发现:对于文中所选两类高超声速飞行器———大钝头CEV再入飞行器和仿HTV2高升阻比升力体飞行器,壁面催化对表面压力影响均较小,对剪切应力的影响在飞行器不同部位表现不同:在头部和前缘等强压缩区域,壁面催化对表面剪切力影响明显,在大面积和背风区位置,壁面催化对表面剪切力影响微弱。这是因为壁面催化使得具有更大惯性的大分子气体在近壁处聚集,从而导致更高的速度梯度。由于大钝头外形波阻在整体气动特性中占优,而高升阻比外形头部强压缩区域面积较小,头部强压缩区域剪切力对整体气动特性贡献较小,最终体现为壁面催化对整体气动力影响微弱。     

基于四线性分解的双基地MIMO雷达的角度和多普勒频率联合估计

研究双基地多输入多输出(Multiple-input Multiple-output, MIMO)雷达中的角度和多普勒频率联合估计问题,提出了一种基于四线性分解(Quadrilinear Decomposition)的离开角(Direction of Departure, DOD)、波达角(Direction of Arrival, DOA)和多普勒频率的联合估计算法。通过对接收端匹配滤波器的输出进行延迟操作,得到符合四线性模型的数据,根据四线性交替最小二乘(Quadrilinear Alternating Least Squares, QALS)进行迭代,得到方向矩阵和多普勒频率矩阵的估计,进而得到角度和频率的估计。该算法无需谱峰搜索,无需知道反射系数,可实现角度和频率的自动配对,且能用于非均匀阵,该算法的角度估计性能优于多维ESPRIT方法和三线性交替最小二乘(Trilinear Alternating Least Squares, TALS)方法。论文分析了所提算法复杂度,并推导了克拉美-罗界(Cramer-Rao bound, CRB)。仿真结果验证了该算法的有效性。     

随机误差对容腔瞬态换热试验影响分析及抑制

针对容腔瞬态换热试验中测试数据的随机误差被数据处理的差分过程放大的问题,定量分析了随机测试误差对换热特性的影响,并提出抑制方法。结果表明:容腔内壁面对流换热特性误差对瞬态温度随机误差最为敏感,导致换热特性试验结果不确定度高。将改进经验模态分解（EMD）算法应用于数据差分处理过程中可以有效抑制测试随机误差对换热特性的影响。在容腔充气过程中,采用误差抑制方法后,容腔壁面换热特性的最大误差从129.07%降到63.62%,时均误差从25.24%降到8.12%。      

基于EEMD分解的直驱式机电作动器故障诊断

基于集合经验模式分解 (EEMD,Ensemble Empirical Mode Decomposition)算法,给出一种机载直驱式双余度机电作动器(DDDR-EMA,Direct-Driven Dual-Redundancy Electro-Mechanical Actuator)复合故障诊断方法.EEMD对信号加入有限幅度的高斯白噪声,利用高斯白噪声频率均匀分布的统计特性使信号在不同尺度上保持连续性,解决了经验模式分解的模式混叠缺陷并保留了自适应性.将EEMD方法应用于机载DDDR-EMA故障诊断实验振动信号分析,先对实测信号进行分解,得到一组无模式混叠的固有模式函数;再采用不同的方法分析各频段,提取各频段包含的故障特征.实验结果表明:与经验模式分解相比EEMD能提高故障信号的分析精度,准确诊断机载DDDR-EMA的复合故障.     

基于普吕克直线的交会对接相对位姿确定算法

为了描述航天器交会对接中的相对位置和姿态测量信息,提出了结合特征线的双目视觉测量以及普吕克直线方程来进行航天器交会对接的相对位姿测量算法。传统算法中航天器的相对位姿是分开测量和计算的,普吕克直线方程则统一描述了两个航天器的相对位姿信息。首先采用双目视觉算法计算得到目标航天器中两条非共面直线在追踪航天器下的坐标值,然后根据普吕克直线方程得到这两条直线在两个坐标系下的相对位姿关系,最后通过采用奇异值分解的方法解算出两个航天器间的相对位姿信息。仿真结果表明该算法不仅实现了位置和姿态的统一测量,而且能够满足航天器交会对接相对位姿的测量要求,验证了该算法的科学合理性与解算快捷性。     

GPS/SINS超紧组合导航系统可观测性分析

系统状态的可观测性决定了系统的滤波精度.目前,分析系统状态可观测性的主要方法是针对线性系统的,其中奇异值分解(SVD,Singular Value Decomposition)法可以对系统进行事前分析,并且计算简单,成为广泛使用的方法之一.然而集中滤波结构的全球定位系统/捷联惯性导航系统(GPS/SINS,Global Positioning System/Strapdown Inertial Navigation System)超紧组合模型的量测方程是非线性的,对非线性系统进行可观测性分析是非常困难的.针对这个问题,推导出了超紧组合模型线性的量测方程,并证明了该模型满足分段定常系统(PWCS,Piece-Wise Constant System)定理;使用奇异值分解法对其做可观测性仿真,并对实验结果做了全面分析.结果表明:系统状态的可观测性受载体运动状态影响,载体机动性越强,可观测的状态越多,可观测性越高.     

基于视觉引导的工业机器人示教编程系统

针对目前工业机器人所采用的编程方式的局限性,提出了基于视觉引导的工业机器人示教编程方式。首先采用奇异值分解(SVD)法建立双目视觉系统与机器人的坐标映射关系,通过双目视觉系统识别和提取特定的示教工具末端位姿,以得到规划机器人运动所需的位姿数据。然后解析机器人控制器可执行文件的格式,将位姿数据转化为机器人可以执行的文件。最后通过试验验证了视觉引导示教方式的可行性,并对示教跟踪精度进行了分析,结果表明,跟踪误差最大为-1.18 mm,均方根误差为0.47 mm。      

基于特征空间重构的子阵级ADBF方法

为实现大型阵列天线子阵级自适应数字波束形成,提出了一种基于阵列特征空间重构的方法。对子阵协方差矩阵进行奇异值分解,分离出信号、干扰与噪声子空间对应的特征值以及特征向量,并对特征子空间重新分配,重构阵列特征空间,完成子阵级ADBF。与常规方法相比,该方法能够消除子阵级输出噪声功率不一致造成的阵列方向图畸变,减小协方差矩阵估计误差的影响。理论分析与仿真结果表明,该方法在子阵级波束形成以及抗干扰接收等方面具有优良性能。