基于左矩阵分式模型的模态参数识别方法

提出一种多输入多输出(MIMO)系统的宽频模态参数识别算法。该方法基于频响函数(FRF)的左矩阵分式模型(LMFD),通过最小二乘法在z域内求解模态参数,避免了s域内矩阵的病态问题。针对左矩阵分式模型的特点,给出了一种通过主分量分析(PCA)建立稳定图的方法。指出了传统的频域多参考点(PRFD)方法与基于左矩阵分式模型识别方法之间的关系。最后采用GARTEUR模型仿真算例与飞机模型的实测算例对所提出的方法进行了验证,结果表明该方法具有良好的识别效果。     

基于随机文法的多功能雷达识别方法

 针对多功能雷达采用复杂体制而造成的辐射源不能正确识别问题,提出了一种基于随机文法(SG)的辐射源识别算法。该算法基于多功能雷达的句法模型,将威胁数据库中的多功能雷达文法分为随机正则文法(SRG)和随机上下文无关文法(SCFG)两种情况,并分别构造随机有限自动机(SFA)和随机下推自动机(SPDA)对测量辐射源进行识别。仿真实验表明,该方法不仅能识别出多功能雷达辐射源的型号及模式,而且能识别出雷达辐射源的功能状态,并进而推断出雷达辐射源的威胁等级。     

基于模态信息的叶盘结构失谐识别方法鲁棒性研究

为有效运用整体叶盘结构失谐识别技术,针对一种以模态信息作为输入参数的识别方法进行了鲁棒性方面的研究.推导了该方法中识别参数对各输入参数的灵敏度公式,利用灵敏度分析的结果,可以明确各个输入参数的重要程度,为实际运用中获取输入参数信息提供指导;另外也可对识别结果的准确度作进一步的分析评价,为可靠的使用该识别方法提供保障.      

轴承预紧力与系统固有频率关系的试验

研制了轴承预紧力测试装置,通过该试验装置对预紧力和系统固有频率的关系进行了研究.对轴承预紧力随系统固有频率变化的试验数据进行了拟合.结果表明:该试验装置从一定程度上反映了轴承的预紧特性.固有频率随轴承预紧力的增大而增大,相同的预紧力下,系统固有频率随轴承支承跨距的增大而增大.拟合得到的预紧力-固有频率-支承跨距关系式精度较高.      

可折叠机翼颤振分析

可折叠机翼飞行器是一种颠覆传统机翼设计的创新设计方案。飞行的飞机在折叠的过程中,机翼形状和面积的变化很大,对气动和结构两个方面影响显著,与传统的固定翼飞机相比,颤振特性有了很多新的特点,是一个崭新的气动弹性设计任务。本文利用准静态方法模拟折叠过程,分析了可变的铰链刚度和折叠角对折叠翼的颤振特性的影响,发现折叠角和铰链刚度对颤振影响较大,同时存在颤振不稳定分支的更替现象。     

高空活塞发动机2级涡轮增压系统匹配分析

为满足无人机高性能动力要求,改进了某型涡轮增压活塞式发动机2级涡轮增压系统。根据发动机工作过程模拟计算原理,利用CFD软件建立了该型发动机1级涡轮增压模型,并验证了该模型的准确性;确定了2级涡轮增压参数及高、低压气机的压比分配,讨论了2级增压器和中冷器的布置方案,分析了2级涡轮增压的高空特性,为2级涡轮增压系统选配了合适的增压器。     

装备全寿命期风险评估方法综述

文章针对装备全寿命周期风险的特点,对装备全寿命周期风险识别与评估的方法进行了归纳,并具体到装备全寿命周期各阶段,对风险识别方法进行了总结,对装备全寿命周期风险评估的主要方法进行了简单介绍和适用性比较,指出未来风险评估方法的发展趋势,认为综合集成的评估方法可以成为装备全寿命周期风险评估方法研究的一个方向。     

基于高分辨距离像的目标识别技术发展现状与趋势

高分辨距离像(HRRP)是宽带雷达获取的目标散射点子回波沿雷达视线方向的投影矢量和。它能够提供目标的距离向几何结构和材料质地信息,且易于获取和处理,因此国内外许多学者将研究重点集中在基于HRRP的目标识别技术。本文简介了基于HRRP的目标识别系统模型,总结了HRRP姿态敏感性等关键问题及其解决途径,综述了基于HRRP目标识别的特征提取、分类器设计两项关键技术的研究现状,讨论了其未来发展方向。     

基于跨模态近邻损失的可视-红外行人重识别

可视-红外跨模态行人重识别任务的目标是给定一个模态的特定人员图像,在其他不同模态摄像机所拍摄的图像集中进行检索,找出相同人员对应的图像。由于成像方式不同,不同模态的图像之间存在明显的模态差异。为此,从度量学习的角度出发,对损失函数进行改进以获取具有更加辨别性的信息。对图像特征内聚性进行理论分析,并在此基础上提出一种基于内聚性分析和跨模态近邻损失函数的重识别方法,以加强不同模态样本的内聚性。将跨模态困难样本的相似性度量问题转化为跨模态最近邻样本对和同模态样本对的相似性度量,使得网络对模态内聚性的优化更加高效和稳定。对所提方法在全局特征表示的基线网络和部分特征表示的基线网络上进行实验验证结果表明：所提方法对可视-红外行人重识别的预测结果相较于基线方法,平均准确度最高可提升8.44%,证明了方法在不同网络架构中的通用性;同时,以较小的模型复杂度和较低的计算量为代价,实现了可靠的跨模态行人重识别结果。