空中交通流量统计和预测系统的设计与实现

采用面向对象的Client／Serve结构开发工具Delphi 6.0，设计和实现了流量统计与预测系统。该系统通过流量统计和预测模块，实现了对用户指定时间范围和空间范围的空中交通流量进行有效地统计，并结合历史数据对全国性或大区域范围内的长期流量进行预测。上述各类数据的综合分析将为中国民航，尤其是空管系统的建设发展提供科学的量化依据。     

一种基于小波变换的天水线提取算法

文中提出了一种基于小波变换多尺度分解图像快速提取天水线的方法,不仅省去了一般图像特征提取之前的图像预处理及图像分割步骤,而且提取的天水线效果好,处理周期短,自适应性强,同时能够滤除噪声并保持目标细节。     

广义时变ARMA序列预测方法

提出一种广义时变ARMA序列预测方法,给出时变序列和广义时变序列的预测公式及其均方误差。该方法能够对均值、方差、自回归系数和滑动平均系数都随时间变化的广义时变序列(或信号)进行分析和预测,可广泛应用于气象、通信、自动控制、结构响应分析和故障诊断等领域。大量计算表明,本文方法与传统方法相比,具有更高的预测精度。      

航空发动机测试信号噪声特性分析

在采集到的航空发动机测试信号中不可避免地混有噪声或干扰信号,讨论了利用频谱分析、滤波、小波分解、双谱估计、以及自相关分析等提取发动机信号噪声的方法,分析了发动机信号噪声的类型和特性。结果表明:发动机噪声主要是加性、低强度的连续频谱,在某几个频率成分上也分布着线状频谱。噪声中既有白噪声、又有非平稳的入侵色噪声。      

基于滑动滤波技术的激光陀螺评价方法

激光陀螺是一种以量化脉冲的形式输出角增量的数字传感器，量化误差如同白噪声一样影响着激光陀螺的测试精度。为了准确评价激光陀螺的性能，减少量化误差对激光陀螺测试数据的影响，本文应用滑动滤波技术对激光陀螺采样数据进行滤波处理，理论分析及实验结果表明，该方法有效地降低了量化噪声从而实现了对激光陀螺的准确评价。     

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。     

基于干扰观测器的高超声速飞行器预测控制器设计简

 针对具有强耦合特性与模型不确定性特点的高超声飞行器控制问题,提出一种新型的姿态预测控制器设计方法。引入参考模型,建立了飞行器姿态预测控制模型。基于此,利用预测理论设计了飞行器的预测控制器,同时设计了干扰观测器实时观测外界未知干扰来进行补偿控制,从而实现滚动优化的目的;基于干扰观测值与真值的误差,利用Lyapunov稳定性理论,确定了控制精度与预测步长大小的关系;最后,在参数标称与拉偏的情形下进行了高超声速飞行器姿态控制系统仿真,仿真结果表明,干扰观测器能快速跟踪干扰,并且所设计的预测步长可以满足飞行器高精度的控制要求。     

轴流风扇/压气机管道周向声模态的测量

利用管道内部周向均匀分布的麦克风阵列对某单级风扇在高背景噪声和较大硬壁反射条件下的管道周向声模态进行了实验测量.利用与参考信号互相关(CC)模态分解技术和传统的方均根(RMS)模态分解技术得到了主要的周向声模态振幅.通过与Tyler和Sofrin的理论分析对比,发现在高背景噪声和较大硬壁反射条件下,两种模态分解技术都能获得较为理想的模态分解结果;并且发现CC模态分解技术获得的模态振幅较低,初步分析这是由于和RMS模态分解技术相比,CC模态分解技术可以降低随机噪声对模态振幅分解结果的影响.此外,周向麦克风个数大于所要分解周向声模态阶数的4倍时,使用CC模态分解技术获得的模态振幅误差可以控制在1dB之内.      

多轴随机载荷下的疲劳寿命估算方法

提出了一种多轴随机载荷下的疲劳寿命预测方法.通过雨流计数法对各平面上的剪应变进行循环计数,以统计出的剪应变循环作为多轴疲劳损伤的主要控制参数,将各剪应变循环历程内对应的最大正应力和正应变变程作为多轴疲劳损伤的第二控制参数.根据多轴疲劳寿命模型计算出各平面上的损伤,以最大损伤平面作为多轴随机疲劳的临界平面,通过该临界平面上的损伤计算出多轴随机载荷下的疲劳寿命.采用SNCM630钢,304不锈钢和S45C钢3种金属材料的多轴随机疲劳试验数据对提出的寿命预测方法进行评估和验证.结果表明:疲劳寿命预测结果大都分布在试验结果的2倍分散带之内.     

基于支持向量机的航空发动机性能衰退指标预测

针对航空发动机性能衰退状态的趋势预测问题,基于非线性支持向量机回归建立了发动机性能衰退指标的预测模型,给出了反映其性能衰退的综合指标。利用该模型对发动机的性能衰退指标进行了预测分析,并与神经网络模型预测结果进行了比较。结果表明:支持向量机回归预测模型能更准确地对发动机的未来状况进行预测。