任意平面曲线的圆弧逼近方法

提出了一种根据给定精度逼近平面任意曲线的方法。该方法可以逼近任意次有理Ｂ样条曲线以及非均匀有理Ｂ样条曲线，尤其克服了双圆弧逼近方法的局限性实现了对封闭曲线的圆弧逼近。该方法独立于坐标系，独立于曲线类型。实际应用结果表明，它是一个适用于ＣＡＤ／ＣＡＭ集成系统任意平面曲线的圆弧逼近通用算法。本文对边界条件确定、误差修正和拐点处理进行了一定的研究，得出了一些价值性高、实用性强的结论，为数控加工任意平面曲线提供了一条简捷、易行、可靠的途径。     

关于矩阵方程AX-XB=C的解

本文导出了矩阵方程AX-XB=C的解的有限代数表达式,在此基础上,给出了一种新的直接的算法。     

横流转捩模型参数不确定度量化分析与应用研究

为获得横流转捩模型重要参数在不同工况下对转捩结果的定量影响规律并尝试获得更加准确可靠的转捩模型预测结果,开展了基于非嵌入式多项式混沌(NIPC)方法的横流转捩模型参数不确定度量化分析、参数敏感性分析及其应用研究。不确定度量化分析方面,对基于γ-Re_(θt)模型的完全当地化横流转捩模型的重要模型参数进行了拉丁超立方抽样,通过有限参数样本的S-K低速平板和无限展长后掠翼的数值计算,运用非嵌入式多项式混沌方法,定量分析了模型参数在不同类型转捩流场中的影响效能。在应用研究方面,以不确定度与参数敏感性定量分析结果为指导,对模型参数进行了横流诱导转捩条件下的筛选与标定,在NLF(2)-0415后掠翼、6:1标准椭球体以及DLR-F4翼身组合体算例中进行了验证,标定后的模型对多个算例的三维边界层横流转捩进行了较好的预测。     

一种卫星精密星历的插值方法

在卫星各种应用中通常需要对卫星的星历进行插值,而且要求插值后星历精度仍保持与原轨道精度相当。本文采用在拉格朗日多项式插值方法基础上改进的Neville算法,对一颗低轨道地球卫星进行了仿真计算,分别对采用轨道根数和直角坐标速度形式的轨道进行插值。仿真结果表明选取合理的插值方法后,可以得到高精度的卫星星历,具有工程应用价值。     

基于区间样条小波的太阳帆轨迹优化算法

针对太阳帆轨迹优化问题,提出了一种基于区间样条小波的新颖数值算法。首先推导了太阳帆航天器的轨道动力学方程并提出了优化目标函数,然后提出了基于区间样条小波函数及其导数算法的最优控制直接数值法。该优化算法的核心是基于区间样条小波函数及其导数算法,在小波配点上将状态与控制变量作离散化处理,进而可利用小波函数有效逼近带有突变的优点,提高了求解以小波系数为参数的非线性规划问题的计算精度和效率。对典型的地球－水星之间的太阳帆轨道优化问题的仿真结果表明,基于小波的数值解法优于半解析法。     

应用于毫米波反射计的多项式校准方法

为了在毫米波波段准确测量波导器件的反射系数,提出了一种应用在反射系数测试前端(反射计)中的校准方法.该校准方法采用基于多项式的误差模型,使得每一个误差项的求解都转化成一个求解轨迹圆圆心的问题,同时不影响求解精度.采用一个滑动负载、一个滑动短路和一个短路器,在毫米波波段降低了对标准件理想程度的要求.实验中搭建了一个Ka波段的反射计,图解误差项的求解过程,分析了误差项的物理意义.把校准后的测量结果与商用矢量网络分析仪(VNA,Vector Network Analyzer)进行比较,吻合较好.同样比较了一组W波段反射计对波纹喇叭的测量结果,进一步验证了方法的合理性.      

磁暴期间的地磁导航精度分析

地磁导航是无源自主导航技术研究的新方向. 分析了地磁导航的基本原理, 描述了典型磁暴过程, 并针对地磁导航在磁暴环境中的适用性进行了研究. 在采用曲面样条方法对实测地磁场数据建立观测模型的基础上, 结合广义卡尔曼滤波方法讨论了磁暴不同阶段对地磁导航精度造成的影响. 分别采用理论典型磁暴数据以及实测磁暴数据进行仿真, 仿真结果表明, 在磁暴的初相、恢复相的中后时段以及中等强度以下的磁暴全过程仍然可以采用地磁来进行导航定位, 导航精度在200 m以内, 满足飞行器中程制导的精度要求.      

基于Gram-Schmidt过程的多项式回归建模方法

多项式回归模型是一种常用的非线性回归方法.由于在多项式回归模型中,自变量之间往往存在较强的相关关系,采用普通最小二乘回归方法来估计回归系数会存在较大的计算误差.为了提高多项式回归模型的预测准确性和可靠性,提出一种基于Gram-Schmidt过程进行多项式回归的建模方法,可以实现自变量集合的正交化,克服自变量集合多重共线对回归建模的不良影响,从而有效地运用最小二乘建立回归模型.同时可以进行信息筛选有效选取对因变量有显著解释作用的自变量,排除自变量中的冗余信息.采用仿真数据分析,检验了该方法的有效性.      

RBF神经网络在电气设备状态评估中的应用

以切比雪夫正交基函数(RBF)神经网络搭配教师模块作为电气设备状态评估的模型,通过对过去序列样本的学习,在考虑影响电气设备状态的各种因素的情况下用教师模块对学习过程进行监督,调整网络的权值,然后识别电气设备状态当前情况。结果表明该神经网络具有良好的识别能力、快速的收敛能力并可以应用于大规模的电气设备状态评估中。