同轴度误差的矩阵计算机法

用矩阵法建立了同轴度误差最小二乘评定数学模型,给出了一组采样数据、微机数据处理程序和同轴度误差值。     

基于LMI的具有一类不确定性数据的参数估计

 对于系数矩阵 A和观测向量b 存在不确定性的情况,本文提出了一种基于线性矩阵不等式(LMI)的参数估计方法,这种方法适用于不确定性的先验界已知的情况.由此而得到的算法计算更为简单,实用并具有一般性.文中给出了计算公式的推导、解的分析,并针对几种特殊的情况进行了讨论.最后给出了仿真结果.     

机载自相关监视系统的一种新的设计方案

提出了自相关监视(ADS)系统(机载部分)的一种设计方案.该方案包括ADS系统多信息源的处理、ADS信息机内传输及ADS信息在空地子网络中的传输.     

ATM中的ADS-SSR数据融合研究

二次监视雷达(SSR)和自动相关监视(ADS)系统已经广泛应用于空中交通管理(ATM)系统,特别是终端飞行区.本文分析了民航空中交通管理中的SSR和ADS系统的特点和缺陷,研究了基本类型ADS合同和扩展类型ADS合同对ADS跟踪精度的不同影响,提出了一个ADS-SSR航迹融合的模型,给出此模型的具体算法,并进行了数字仿真.数字仿真表明:该模型算法具有较高的跟踪精度.      

沃尔什函数理论中并元移位概念的物理解释

并元移位的概念在沃尔什函数的理论中有着重要的作用,但是,至今为止,未见有人对它的物理意义做出合理的解释.从复制理论的角度出发,在简要介绍复制理论的基础上,通过研究复制序列的位置相关性,揭示了并元移位实际上是一种特殊的距离定义,从而较为深刻地解释了并元移位概念的物理意义.     

基于改进的关联度矩阵法维修可达性评价方法研究

为了更好地对产品的维修可达性进行综合评价,根据维修可达性的定义确定了评价指标体系,结合权的最小平方法对关联度矩阵法进行改进,构建了新的维修可达性的评价方法.该方法可对维修可达性进行量化处理,评价结果更符合实际情况.以货机货运系统动力驱动装置为例进行实例验证,结果表明,该评价方法可为货运系统维修可达性设计提供重要参考.     

基于控制分配的恒压腔压力精准控制

针对采用双阀调节的恒压腔系统压力在空气流量大范围变化时的精确控制问题,提出了一种基于控制分配的恒压腔压力精准控制方法。首先,建立了虚拟放气流量的双阀控制分配算法,包括：建立满足虚拟放气流量要求且调节阀能耗最小的优化问题;通过线性矩阵不等式(Linear Matrix Inequality, LMI)求解该优化问题得到双阀实际流通面积值;考虑调节阀动态并计算调节阀控制信号指令值。其次,建立以虚拟放气流量为恒压腔控制输入的闭环负反馈回路,基于此,设计满足伺服性能和抗干扰性能要求的PI控制器,引入上述双阀控制分配算法,进而构建完整的基于控制分配的恒压腔压力控制系统。仿真结果表明,采用该方法的控制系统性能明显优于传统单阀PI控制系统性能,恒压腔压力动态相对误差小于0.07%;干扰流量最大变化率为77kg/s2时,压力最大偏差低于500Pa;此外,调节阀动态时间常数和流量系数的拉偏仿真结果进一步验证了该控制器的鲁棒性。     

JME法测量光器件偏振模色散

琼斯矩阵特征值分析法(JME法)是测量光器件偏振模色散的一种重要方法。介绍了采用该方法测量偏振模色散的原理和试验装置,并给出偏振模色散人工传递标准的实验结果,该结果与理论值非常吻合。     

Internet上的流媒体特性及用户访问行为研究

通过跟踪CERNET中典型流媒体服务器日志,分析了流媒体特性和用户访问行为,为在Internet上通过内容分送网络(CDN)高效分送流媒体内容及流代理服务器的仿真与设计提供实验依据.结果表明:流对象大小和播放持续时间较好地符合对数正态分布,平均位速率呈"双峰"变化特性;对流媒体的访问呈现出比Zipf分布更强烈的偏向性;请求具有定域性,其是由对文件排列中的前若干文件的频繁访问所造成,这些请求间具有较强时间相关性.指出了上述结论对仿真、设计和实现流媒体缓存代理服务器的意义.     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.