基于直线成像特征的视觉测量系统综合标定方法

针对视觉测量系统存在复杂系统误差的特点,提出一种基于直线成像特征的系统综合标定方法,有效地保证了测量精度.该方法通过对1等量块的平行直线边缘提取,建立量块边缘空间物点位置和像点位置的原始对应关系,利用量块边缘的理想直线特征,通过统计计算对测量系统进行综合标定,建立描述空间物点位置和像点位置的相互对应关系的二元三次标定函数.对在测量范围内不同方位的量块进行多次测量,表明使用这种标定方法标定的视觉测量系统的测量精度能够达到.     

通用导弹雷达罩曲面分片展开系统的开发

根据导弹雷达罩频率选择表面（FSS）的设计要求,研究发展了一种通用的雷达罩曲面的分片、展开算法和相关应用软件系统。算法对任意C2连续曲面,以高斯曲率的绝对值对分片面积的积分与曲面总面积的比值作为曲面是否可展的评定参数,并以此为阈值对不可展开外形雷达罩曲面进行近似分片;使用构造十字基带展开法对分片展开为平面形状。在以上算法基础上,首先使用MFC开发了应用程序框架,并采用OpenGL显示雷达罩曲面的分片操作,最后对分片数据输出AutoCAD格式便于分片贴层材料的切割加工。某型非旋成体导弹头罩的算例表明本文发展的导弹雷达罩曲面分片与展开算法有较高的精度,满足工程设计要求。      

神经网络在导航卫星钟差预报中的应用CSCD

为提高导航卫星钟差预报精度,提出一种神经网络和多项式相结合的钟差预报方法,该方法在根据星载原子钟物理特性进行多项式模型预报后,采用神经网络对多项式模型预报误差进行建模,以实现导航卫星钟差预报精度补偿。为验证本文提出的预报模型的可行性和有效性,利用实测的COMPASS导航卫星钟差数据进行钟差预报精度分析,并与传统的多项式模型预报精度进行比较。结果表明:基于神经网络建立的组合预报模型能有效提高导航卫星钟差的预报精度。     

广义回归神经网络在卫星钟差短期预报中的应用

近年来,神经网络(Neural Network,简称NN)在非线性系统的预测方面取得了广泛的应用。考虑到卫星钟差包含了复杂的非线性因素,所以将一种新型神经网络-广义回归神经网络(Generalized Regression Neural Network,GRNN)应用于钟差预报中。采用“滑动窗”方式构建样本数据以提高数据利用率,为提高网络的泛化能力,利用K重交叉验证法(K-fold Cross-Validation)对网络进行训练学习,并根据最小均方根误差(Root Mean Square Error,RMSE)确定最优平滑因子。利用国际GNSS服务(International GNSS Service,IGS)公布的精密GPS卫星钟差数据进行预报实验,并与传统二次多项式模型对比分析。结果表明：GRNN模型在24h的预报跨度内的误差可达ns级,并较多项式模型有更好的稳定性;对于线性钟差,GRNN模型要逊于多项式模型,而对于非线性钟差,GRNN模型则明显优于多项式模型,初步验证了GRNN用于钟差预报的可行性、有效性以及实用性。     

磁鞘等离子体密度统计建模

利用理想磁流体LFM模型的模拟数据,基于非参数统计方法对2004年11月14日03：00UT-07：00UT磁暴恢复相期间磁鞘等离子体平均密度进行建模.分析磁鞘等离子体平均密度与上游太阳风参数、行星际磁场参数及地磁扰动参数的统计关系,建立基于数据降维的经验模型.结果表明,电离层扰动强度因子、太阳风-磁层耦合强度因子和日地空间因果链耦合强度因子是影响磁鞘等离子体平均密度的三个主要方面.磁暴恢复相期间电离层上行离子是磁层环电流和磁尾等离子体的重要离子来源.建模分析过程表明,利用经验模型对空间物理过程开展建模,数据的严重多重共线性通常会导致模型的精度较差.而利用SIR和LPR建立的磁鞘等离子体平均密度随相关参数变化的经验模型可以有效解决该问题,具有较好的预测精度,统计特征显著.     

基于神经网络的撞球机器人控制器设计

对撞球机器人的母球控制问题展开研究,设计了一种基于神经网络(NN)的控制器,使机器人能够控制母球在击打目标球后按照预定的模式运动至目标点——即完成走位。针对该问题非线性且非光滑的特点,对坐标系进行阐述并给出机器人击球的模型;在光滑的假设下使用理论分析的方法建立母球的运动学模型与边库反弹的理想镜像模型;进而使用神经网络方法对理想模型进行修正,并对不同的轨迹模式进行分析与分类。测试结果表明:经过训练的机器人能够掌握各种模式的走位,统计结果与模型分析结果相吻合;相比于单一使用神经网络方法,本文使用理论分析与神经网络相结合的方法能够有效地提升网络的品质,降低训练的误差。     

实闭域计算的一个实用有效方法

在计算实践中,处理大型多项式时,由于复杂性原因,实闭域一阶理论判定方法实际上无效.因此寻找求解多项式方程与不等式组的有效方法(未必是判定方法)是符号计算中的重要问题.为解决这一问题,将Budan-Fourier 定理与Ritt-Wu 方法结合提出确定多项式方程实根和证明不等式的简单有效方法.尽管该方法不完备,但是在计算实践中发现这一方法对许多例子在计算上很有效.      

叶顶间隙偏差对叶片气动性能影响的不确定性研究

在压气机叶片加工过程中,实际加工得到的叶片外形与设计叶型不可避免会存在一些偏差。为研究叶片叶顶间隙尺寸波动对性能的影响,以Rotor37为研究对象,采用三维定常数值模拟方法,基于非嵌入式混沌多项式中二维正态分布变量产生方法,分别对叶片前缘叶顶间隙和尾缘叶顶间隙进行尺寸波动干扰,研究了叶顶间隙不确定性对气动性能和流场的不确定性影响,评估了公差带内叶顶间隙偏差与气动性能变化的相关性,并探究了叶顶间隙变化对叶片稳定裕度的影响机理。研究发现,叶顶间隙偏差对等背压条件下叶片质量流量、等熵效率和总压比的平均水平几乎不会造成影响;叶顶间隙偏差所造成的气动性能分布标准差随工况点向不稳定边界的逼近而逐渐增大。同时,叶顶间隙不确定性会导致样本稳定裕度均值有所降低,不确定性分析中稳定裕度均值相对原型叶片下降了2.42%。流场结构方面,叶顶间隙偏差主要影响80%叶高以上部分流场;叶顶间隙偏差对叶顶区域泄漏流产生的影响,导致了叶片稳定裕度的变化。     

面向航空工程的CFD不确定度量化方法研究

真实复杂环境下,气动数值模拟（CFD）结果的可信度问题一直是工程上关注的焦点问题之一。不确定度量化是评估真实环境下,数值模拟结果的可信任程度的重要工具。本文对面向航空工程的CFD不确定度量化方法进行综合论述,聚焦解决工程实用化问题。在方法层面,针对解决不确定度量化中的“维数灾难”问题,发展以Kriging-MC为代表的改进蒙特卡罗（MC）类方法,以及以非介入式多项式混沌（NIPC）为代表的谱方法;在工具层面,提出一种通用性非常强的不确定度量化评估基础平台框架UQ-CFD,提供交互式环境,实现批量不确定性参数生成、试验设计、批量作业组织及自动加载、自动结果后处理等实现不确定度量化过程所需工具的有机集成。基于UQ-CFD平台,可实现涉及操作不确定性、几何不确定性、物理模型参数（建模）不确定性等典型不确定性的评估。采用经典Rosenbrock函数对所建立工具进行了基础方法的对比验证,在此基础上,以平面斜激波、高超声速圆柱问题为例开展了几何不确定性和来流参数不确定性影响的定量评估,表明本文提出的方法是有效的。     

一般数据集的C^2有理保形插值

给出了一种适用于一般数据集的有理保形插值函数，其在每个子区间上是一个不超过三次的有理多项式，在整个区间上是C^2连续的。S（x）可保持数据集的凸凹性和拐点性质以及局部单调性。在满足保形性和C^2连续性的前提下，S（x）在插值节点处的一阶导数可在一定范围内自由选取，因而，可利用其调整插值曲线的形状，以获得最佳设计效果；也可以利用其满足其他要求，如可选取S(x）在节点处的一阶导数值，使其在任何情况下都可保证与被插函数在节点处的一阶导数有较高的逼近阶，从而使S(x）与被插函数有较高的逼近阶。本文中构造有理C^2保形插值的算法简单，计算量极小，优于现有文献中的保形插值算法。