飞行员有源降噪耳罩低频隔声量试验研究

依托低频隔声量的测试原理,提出了客观法测量飞行员有源降噪耳罩低频隔声量具体试验方案,对几种飞行员有源降噪耳罩进行了测试,得出了有源降噪耳罩低频隔声量的数据,提出了影响有源降噪耳罩低频隔声量的关键因素,为设计改进提供了依据和有力的数据支持.     

翼伞系统在未知风场中的归航控制

翼伞系统在未知风场中执行归航任务时,需获得风场的大小和方向信息,以便在归航过程中利用或者消除风场的影响。为实现翼伞系统在未知风场中精确归航与逆风雀降着陆,首先提出一种利用全球定位系统(GPS)定位数据和最小二乘法在线辨识风向和风速的方法,然后将风场中平均风的影响在轨迹规划中予以考虑,设计分段归航路径;将突风作为外界干扰,在轨迹跟踪过程中由线性自抗扰控制(LADRC)器进行观测和补偿。最后通过仿真实验验证了本文所提出的归航控制方法对于提高翼伞系统在未知风场中的归航精度和抗风能力有重要意义。     

交流伺服系统控制器在线参数自整定方法

伺服系统转动惯量的变化会影响伺服控制性能。为提高伺服性能需要对转动惯量进行在线辨识,实现伺服控制器参数的在线自整定。详细介绍了基于模型参考自适应的转动惯量在线辨识方法,提出了动态调整自适应增益和滤波器时间的方法,有效解决了自适应算法辨识速度和辨识精度的矛盾。根据转动惯量的辨识结果,利用对称优化法则,实时调整伺服控制器参数,以保证控制器动态性能的一致性和鲁棒性。仿真和试验验证了方法的有效性。     

一种ARMA模型的阶数递推辨识算法

本文从实际物理系统出发,提出了一种基于广义最小二乘的阶数递推ARMA模型辨识算法——REARMA算法.利用最小二乘逆的递推计算,大大加快了系统辨识的速度.     

硫化罐温度和压力的两级控制

推导了Ｈａｍｍｅｒｓｔｃｉｎ模型描述的一类多变量非线性系统的加权最小方差自校正控制器算法，并将该算法应用在硫化罐温度和压力控制上。为提高该算法应用在工程上的可靠性，本文提出了两级控制思想──即先用本文推导的算法和常规多变量ＰＩＤ控制算法分别计算控制值，若两者计算结果差别不大，则认为自校正算法收敛，自校正计算控制值可直接输出；若两者计算结果差别较大，则认为自校正算法可能发散，这时可根据两种算法对控制值进行调整，然后输出调整后的控制值。实际运行结果表明，这种控制器具有较强的鲁棒性和较好的控制效果。     

π—TFSK相移时频调制信号及其数学模型

在移动通信中,特别是高速移动数据传输情况下,由于高速移动而产生的衰落以及多径波的干扰,传输特性及差错率特性恶化,相移时频调制正是为了对抗衰落与多径延迟而产生的,本论文主要讨论时频调制信号及其相关函数,并建立了π－ＴＦＳＫ相移时频调制信号的数学模型。     

自密实混凝土密实度及表观质量试验研究

通过对比试验的方法,研究了在混凝土中添加消泡剂和在其表面贴透水模板布对混凝土的密实度和表观质量的影响。通过测试和分析发现:添加消泡剂后自密实混凝土的密实度、表观质量及强度都得到了提高,而且在使用透水模板布后构件的表观质量能得到进一步提高;因此,采用既添加消泡剂又贴透水模板布的方法能使混凝土构件的密实度及表观质量得到双重提高,有利于提高混凝土的耐久性。     

内压缩波系对高超声速进气道自起动性能影响研究

为了探究进气道肩部膨胀扇以及不同压缩方式对进气道自起动性能的影响,结合具体的进气道构型,针对不同的压缩角、边界层厚度开展了马赫数4.0级的风洞试验研究。结果表明:在不起动分离区同侧的膨胀扇会对当地气流加速,降低局部压强,进而对压缩激波较强时的进气道自起动过程有明显改善。而唇罩分级压缩对二元进气道的自起动能力也有提高效果。此外,对比侧压模型与顶压模型的试验结果发现,边界层厚度对侧压模型自起动性能的影响趋势与顶压式存在明显的差异。与此同时,当自起动受限于几何喉道的进气道构型,压缩方式对进气道自起动性能的影响不明显,但是对于由压缩激波-边界层干扰诱导分离区形成的气动喉道决定能否起动的进气道,侧压方式有利于提高进气道的自起动性能。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。