ICT图像重建并行处理技术

在ICT图像重建中一般采用的并行系统有阵列处理机、基于多个PC机的MIMD系统、由多个DSP和反投影专用处理器组成的多处理器系统和工作站机群。     

组合预测方法在APU状态监控中的应用

针对复杂非线性时间序列预测误差较大的问题．提出了一种组合预测的方法以减小误差。该方法通过采用均方误差确定权系数的思想．拟合混沌预测和指数平滑预测的结果．对飞机辅助动力装置的排气温度进行预测．通过监控排气温度的预测值监视其工作的状况。仿真结果表明．组合预测的精度比单一方法高．预测更准确。     

基于泰勒展开法的转子系统动力特性区间分析方法

对转子系统动力特性运用一种非概率-区间分析方法进行分析.基于区间数学和1阶泰勒展开理论的区间分析方法将非确定参数支承刚度和连接结构刚度视为区间向量,运用泰勒展开法建立了转子系统固有频率的公式.区间分析方法降低了传统的概率分析方法对不确定参数信息的过分要求,为解决含有非确定参数的转子系统动力特性问题提供了一个途径.应用区间泰勒展开法和概率方法对数值算例进行了分析,并比较了结果.当参数非确定性小于20%时,计算得到的转子系统固有频率区间上下界与真实值区间上下界误差小于2.2%.建立了转子系统动力特性试验装置,试验结果验证了方法的有效性.      

姿态测量中MEMS陀螺输出信号处理方法研究

为实现基于MEMS器件的舰船测姿,对MEMS陀螺的输出信号进行研究与处理。在分析MEME陀螺的输出误差模型基础上,通过经典卡尔曼滤波与鲁棒滤波的理论对比,设计滤波器对其输出信号进行滤波降噪。实验表明：鲁棒卡尔曼滤波方法对于MEMS陀螺输出信号的平滑降噪效果显著。     

基于二次指数平滑的发动机气路参数偏差值平滑

利用二次指数平滑法进行气路参数偏差值的异常点识别与平滑,首先建立了基于二次指数平滑的异常点识别方法,然后建立发动机参数偏差值平滑的评价指标,最后根据该指标通过粒子群算法对平滑系数和显著性水平进行优化.通过实例应用验证该方法对于发动机气路参数具有很好的平滑效果,满足工程使用的要求.     

突跃型与平滑型斜爆震波起爆机制数值模拟

采用带有化学反应的Euler方程,对突跃型与平滑型2种形态的斜爆震波(ODW)在起爆机制和结构特点等方面的差异进行了研究.结果表明:斜激波(OSW)后是否存在亚声速区是判定斜爆震形态的依据.当波后火焰抬升斜激波面使得亚声速区存在时,横向激波与三波点结构就会出现并形成突跃型斜爆震.当波后所有区域皆为超声速区时,波后火焰燃烧无法影响到上游激波面,则会形成平滑型斜爆震.通过斜激波关系式给出了横向激波形成所需的临界斜激波角度,只有当斜激波角度大于此临界角度时才能形成突跃型斜爆震波,反之则形成平滑型斜爆震波.      

高超声速飞行器飞行动力学特性不确定分析

 高超声速飞行器分析模型存在较大不确定性,其给出的动力学特性与真实值之间存在偏差,因此研究飞行动力学特性分析结果的可信度水平对控制系统设计具有重要意义。针对典型的乘波体构型高超声速飞行器,在建立气动/结构/推进相互耦合的动力学模型基础上,利用非概率区间来描述模型中的不确定参数,并将复特征根不确定范围求解问题转化为频率和阻尼比两个实数的不确定区间分别求解,给出了动力学模态特征根、频率及阻尼比的不确定边界。分别采用直接蒙特卡罗(DMC)模拟方法、基于泰勒展开的区间分析方法(TIAM)和基于多项式逼近的区间分析方法(CIAM)对高超声速飞行器飞行动力学不确定性进行了研究。结果表明:CIAM计算时间适中,且给出的边界更为准确、安全,适合在控制系统设计和验证过程中使用。     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

图象序列中机动目标的形心跟踪

从边检测边跟踪的角度探讨了图象序列中机动目标的形心跟踪问题,深入分析了强高斯噪声背景下目标形心估计的统计性质及用于形心估计的图象预处理方法。指出经典的图象二值化变换分割后作形心估计的方法面临着估计偏差和方差的矛盾,提出了用自适应交互三模型(ATIMM)跟踪图象序列中机动目标的方法,同时发现在了解目标形状的条件下,空间匹配滤波,二值变换点集聚类和 ATIMM三者的结合对图象序列中的机动目标具有最好的跟踪性能。