航天发射特征事件综合和弹道融合策略优化研究与应用

特征事件综合和弹道融合是航天发射过程中最为重要的一项工作,通过特征事件发生时间和火箭飞行弹道可直观地反映出运载火箭的飞行状态。因此,为了进一步提高特征事件综合和弹道融合效果,基于遥、外测量信息,分别对参与特征事件综合和弹道融合的信息源进行分类及其影响因素进行分析,并提出了相应的信息融合策略。通过采用优化的融合策略,可进一步提高特征事件时间解算的准确性和实效性,提升弹道融合的效果,满足航天发射飞行态势显示和安全控制的任务需求。     

基于POD和ARMA的阵风响应预测降阶模型研究

针对阵风响应流场高效精确分析需求,基于非定常CFD数值模拟发展了一种快速流场预测的降阶模型。采用本征正交分解(POD)方法对高斯阵风激励的CFD非定常流场快照进行特征分析、并基于能量占比准则截取主要基模态来降维,采用自回归滑动平均(ARMA)方法建立各主要基模态系数的线性预测模型。采用NACA0012和DLR-F12的分析算例进行了验证,与CFD非定常计算结果对比分析表明,模型具有可靠的计算精度,适合于精确高效快速分析阵风响应,为阵风减缓设计提供技术支撑。     

基于特征优化与改进KNN的航空发动机故障诊断

为有效解决航空发动机气路故障诊断难题,建立了基于特征优化与改进KNN的航空发动机气路故障诊断模型。利用特征优化算法对发动机故障特征进行处理,包括特征增维与近邻成分分析算法;将特征优化后的特征输入改进KNN算法,建立基于特征优化与改进KNN算法的故障诊断模型;为验证所建立故障诊断模型的准确性,在四台CFM56-7FB发动机数据上进行实验验证,结果表明：基于特征优化与改进KNN算法的故障诊断模型的准确率可达98%以上,能够达到智能诊断的目的。     

低数据率与低阵元数时LCMV和LCEC波束形成算法研究

研究了低数据率与低阵元数条件下应用线性约束最小方差算法(LCMV)算法和线性约束特征干扰相消器(LCEC)算法的相控阵雷达系统对干扰抑制和旁瓣压低性能。建立了均匀线阵接收信号模型,给出了LCMV,LCEC两种算法的原理,用仿真方法讨论了不同数据率和阵元数时LCMV,LCEC算法不同到达方向上的干扰与旁瓣抑制性能。结果表明:与LCMV算法相比,高数据率、低阵元数时LCEC算法在两个相隔角度小于1个主波束宽带的干扰来波方向上形成的零陷更准确;低数据率、低阵元数时LCEC算法的角度分辨率更高;低数据率、高阵元数时LCEC算法的副瓣电平抑制能力更强,高阵元数时LCEC算法保持了静态方向图的特征。     

用于识别双星故障的RAIM算法

由于传统的基于识别门限的卫星故障识别算法存在漏检和误警致使识别率较低,为此提出一种可用于识别双星故障的接收机自主完好性监测算法.该算法通过构造新的奇偶矢量与故障特征平面,利用奇偶矢量与故障特征平面之间的几何关系来识别卫星故障,使得算法不再受限于识别门限的影响,从而有效地避免了由于识别门限引起的识别效率较低的问题.计算机仿真结果表明:改进后的算法与传统的基于识别门限的算法相比,双星故障正确识别的性能有显著的提高,正确识别率可达到90%.同时,与基于门限识别的重构最优奇偶矢量法相比,计算量可减少约61.2%以上.     

自适应融合 RGB图像特征的稀疏深度修复

深度修复的目的是从稀疏深度图像中恢复出稠密的深度图像。现有方法通常是以稀疏深度图像及其对应的 RGB图像为输入,通过 1个卷积神经网络恢复出密集深度图像。然而,普通的卷积层在处理稀疏且不规则的深度信息时有较大的局限性,同时,RGB图像特征和深度图像特征属于不同的模态。针对这些问题,文章提出了自适应稀疏不变模块,根据输入像素的有效性来处理稀疏深度,并提出了结合注意力机制的多尺度特征融合模块,在关注有效特征的同时,抑制不必要的特征,进一步提高深度修复性能。文章在 NYUv2数据集上进行了一系列实验,实验结果表明了所提出算法和模块的有效性。     

冲压发动机燃烧室超声速来流横向喷雾轨迹预测模型及动态特性分析研究

为探究超声速来流下圆柱横向射流轨迹及喷雾动态特性,在宽来流马赫数（Ma=1.50,2.02,3.09）条件下开展了不同喷嘴直径与喷注压力的煤油喷雾试验,通过纹影系统捕捉射流图像并进行外边界拟合与频谱分析。建立了考虑射流前激波效应的穿透深度预测模型,最大与平均相对误差较先前的预测模型分别下降约36%和19.1%。通过快速傅里叶变换分析,发现喷雾所受扰动以低频波为主,同时伴有时间特征较为复杂的波动。本征正交分解分析结果证明,喷雾表面同时存在高低频扰动,但低频波占据主导地位,高频波能量较低可被忽略,对应了快速傅里叶变换分析结果;低频波频率与来流有效韦伯数有关,有效韦伯数增大会使波长减小,当喷雾前端的来流速度差别较小时,频率就会增大。     

单幅图像的三维重构视觉系统特征点提取算法的研究与实现

实现基于单幅二维图像不标定欧氏重构三维场景的关键技术之一是有效提取彩色伪随机编码图像特征角点。为给图像特征点匹配提供更多的样本信息,采用定位于彩色图像Harris算子探测特征角点,并动态给出角点响应的自适应阈值条件。特征点提取实验及三维欧氏重构结果证实了该方法的适用性和有效性。     

运用神经网络进行冷挤压工艺设计的特征编码技术

将人工神经网络引入冷挤压工艺规划的基础和关键是将冷挤压零件的几何信息和工艺信息转换成人工神经网络所能辨识的数据信息。本文介绍的将模式性知识引入到冷挤压工艺设计过程中,对零件进行特征编码完成信息转换的方法可以有效地解决这个问题。     

基于决策树的涡轴发动机气路健康评估方法

为解决涡轴发动机退化模式多、故障样本大、分类困难的问题,将梯度提升决策树(GB?DT)算法应用于涡轴发动机气路健康评估.首先对涡轴发动机故障标签进行了拆解,针对每一类标签设计了一个分类器.通过特征重要度排序筛选了6个分类标签的输入特征,有效降低模型复杂度.通过遍历确定树的最优数量和深度,确保了分类的准确性.仿真结果表明...