机载军用雷达市场预测

根据国际预测公司（DMS）的研究资料分析,预计2007～2016这10年共有107个雷达项目,总的市场份额接近500亿美元,有源相控阵（AESA）雷达随着市场需求的增加将呈现迅速增长的态势。     

驾驶员诱发振荡预测方法应用研究

随着电传操纵系统在战斗机和民用运输机上的运用,驾驶员诱发振荡现象逐渐增加,对现代航空飞行安全构成直接威胁.介绍了Ⅰ型和Ⅱ型PIO的多种预测准则,重点研究了Ⅰ型PIO预测准则中的A准则、带宽准则和Neal-Smith准则,并对多型飞机的PIO趋势进行了预测.计算结果表明:A准则、带宽准则和Neal-Smith准则是预测PIO的有效方法.     

一种针对高光谱图象识别与分类的二进编码方法

针对高光谱遥感图像中地物识别与分类问题,在对传统二进编码方法的优缺点进行分析的基础上,给出了一种新的二进编码策略,并给出了相应的快速匹配算法。该算法原理简单,易于实现,能够提高不同地物的可分性,试验结果表明,算法可以得到较好的分类效果。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

基于小裂纹的2024-T3铝合金中心孔试样疲劳寿命预测

对2024-T3铝合金板材中心孔试样进行了疲劳裂纹扩展行为及寿命预测的理论和试验研究.采用疲劳条带与显微镜观测相结合的办法获得试样在块谱作用下孔边自然萌生裂纹扩展的α-N数据,并通过对断口的SEM观察获取试样的初始缺陷形状.利用基于裂纹闭合的小裂纹扩展分析程序FASTRAN3.9对试样α-N数据进行反推,建立了描述孔边裂纹细节原始疲劳质量的当量初始缺陷尺寸(EIFS)分布.以该分布为基础,采用FASTRAN3.9对试样进行了恒幅载荷下试样的中值疲劳S-N曲线的预测,预测结果与试验验证结果吻合较好.     

基于PHM技术的导弹维修保障

为解决传统导弹维修保障方法所存在的问题,加快军队信息化建设,提出了基于PHM技术的导弹维修保障方法。分析了不同维修方式、导弹维修保障及信息化建设与PHM技术的关系,利用PHM技术并结合决策支持的思想,建立导弹健康状态的信息管理系统,初步分析了系统的基本结构组成,并结合实际提出了一些需要重点解决的问题。     

基于误差预测修正的液体火箭发动机故障预测方法研究

为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。     

一种基于历史标校数据的移相值预测方法

地面测控设备在执行测控任务前,需要对和差接收通道的相位差进行标校(简称校相),以满足测角分系统的目标自跟踪要求.针对因标校设备故障而无法进行校相的问题,通过使用数理统计的多元回归分析方法,对积累的历史标校数据进行分析,确定了设备工作的环境温度对跟踪接收机移相值有显著影响.在此基础上,利用滑动窗口多项式拟合方法得到拟合移相值,并与最近一次的标校移相值进行时变加权,可以得到基于历史标校数据的移相值预测方法.仿真试验表明该方法具有较好的预测精度,可将预测移相值作为跟踪接收机参数,提高测控设备应急测控能力.     

基于自然激励技术的颤振边界预测

为了预测紊流激励条件下机翼的颤振边界,基于自然激励技术提取紊流响应的自由衰减信号,采用矩阵束方法识别模态参数,最后通过Z-W(Zimmerman-Weissenburger)方法计算稳定性判据,拟合判据变化曲线并外推颤振边界.对平板机翼模型进行了数值仿真分析,对单独机翼模型风洞颤振试验数据进行了计算.结果表明:采用自然激励技术与矩阵束方法能够较准确地识别紊流激励响应的模态参数,频率识别误差小于6％,阻尼比识别误差小于30％,结合Z-W方法能够在较低风速较早地预测颤振边界,有助于提高试验的安全性.     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。