转轴裂纹扩展的可靠性灵敏度分析

在Paris-Erdogan裂纹扩展模型的基础上,考虑裂纹扩展模型的随机参数影响,采用裂纹长度失效准则建立了旋转机械转轴裂纹扩展的可靠性模型,应用随机摄动理论和Kronecker代数导出了状态函数的前四阶矩,应用应力-强度干涉理论和四阶矩技术确定了转轴裂纹扩展的可靠度,利用矩阵微分理论和灵敏度技术系统地研究了转轴裂纹扩展的可靠性灵敏度问题.      

某航空发动机用户满意指数测评

介绍了某航空发动机系列产品用户满意指数测评背景和调查方案,构建了航空发动机产品用户满意指数测评指标体系和模型,通过对调查结果进行信度分析、描述统计分析、模型与潜在变量关系分析、偏最小二乘回归(PLS)分析,研究了大型复杂产品/服务的用户满意指数分析技术,计算了某航空发动机系列产品的用户满意指数,并对用户满意度–忠诚度分析模型和技术进行了探索性研究。     

W型无尾飞机横航向多变量鲁棒控制设计

以基于前掠翼布局及翼身融合一体化技术设计的W型无尾飞机为被控对象,采用线性二次型高斯/回路传输恢复LQG/LTR(Linear Quadratic Gaussian with Loop Transfer Recovery)多变量鲁棒控制方法完成了飞机横航向控制设计.该方法解决了由于该特殊构型导致的本体不稳定,以及运动模型的不确定性、随机干扰下控制系统可能出现的不稳定和控制精度不够的问题.系统仿真结果表明,控制系统实现了横航向指令的精确跟踪,不但具有良好的鲁棒性,而且调节性能良好,满足W型无尾飞机横航向控制设计的要求.      

基于标签多伯努利滤波的衍生目标跟踪算法

针对现有随机有限集(RFS)滤波器在低信噪比环境下对衍生目标跟踪性能严重下降的问题,提出了一种基于Delta扩展标签多伯努利(δ-GLMB)滤波器的改进算法。基于随机集理论和伯努利衍生模型,推导了新的预测方程,并采用了假设裁剪及分组手段和多伯努利近似技术以降低算法的计算量。针对假设增多引起的虚警问题,将多帧平滑思想和算法相结合,利用标签信息对新目标进行回溯处理。仿真结果表明,所提算法能对目标数目进行无偏估计,在低探测概率和强杂波环境下性能明显优于概率假设密度(PHD)算法,计算开销在衍生初始阶段增长快于PHD,目标较分散时低于PHD。     

基于ASIFT的离线签名认证方法

通过分析现有局部不变特征方法及含伪装签名数据集的特点,提出了一种基于具有仿射不变性的尺度不变特征变换(ASIFT)的离线签名认证方法.该方法对签名图像进行预处理(包括灰度化和放缩),对处理后的图像进行ASIFT关键点检测和特征描述符提取,对从查询签名图像和参考签名图像中提取到的描述符进行匹配,对匹配的结果采用随机采样一致性(RANSAC)方法去掉错误匹配,并计算正确匹配点的描述符之间的平均距离;通过比较平均距离及正确匹配点的个数与给定阈值的大小来判断认证是否成功.使用了含伪装签名的数据库对提出的方法进行测试,实验结果表明该方法与现有方法相比等误率降低了5%.      

红外多光谱相机的图像串扰校正方法

一种红外多光谱相机在1.55~2.35μm的波长区域有两个波段,由于探测器位于同一焦平面基底上以及读出电路设计等的影响,两谱段间存在串扰现象.首先对图像的串扰现象进行了描述,并对产生串扰现象可能的机理进行了分析.其次,从HgCdTe探测器焦平面阵列的内部结构及探测器的关键参数入手分析了光通过在焦平面区域的多次反射来进行反射及传输是光串扰及电串扰的机理;同时读出电路不准确设计也导致了串扰现象,并对串扰现象进行数学建模.研究发现B10波段的串扰(负/正冲激)与B11波段的阶跃(上升/下降沿)相关.最后基于所创建的数学模型对串扰现象进行了校正.      

基于Logistic方法的鸟撞对飞行安全的影响分析

为了掌握鸟撞事件中各类因素对飞行安全影响的规律,采用无序多分类Logistic回归,对鸟撞事件中影响飞行的因素进 行分析。数据来源为美国联邦航空局公开的1990～2015年飞机遭遇野生动物（主要为鸟）撞击的数据库。对数据库中的数据进 行了简单的剔除和筛选,确定了包含13种影响因素、4种对飞行产生的影响在内的44837条记录;将确定的13个影响因素作为回 归变量,4种影响作为响应变量。采用方差扩大因子法,借助SAS软件对回归变量进行多重共线性诊断。结果表明：回归变量间并 无明显的共线性关系。应用SAS软件进行最大似然估计,进而对得到的参数估计结果进行分析;获得显著影响飞行的因素为鸟的 数量及大小、飞行高度、飞行速度、飞机质量、发动机数量、季节、飞行阶段、日中时间、飞行员被警告与否。为航空公司和机场等相 关单位的决策制定提供一定的指导。     

广义回归神经网络在卫星钟差短期预报中的应用

近年来,神经网络(Neural Network,简称NN)在非线性系统的预测方面取得了广泛的应用。考虑到卫星钟差包含了复杂的非线性因素,所以将一种新型神经网络-广义回归神经网络(Generalized Regression Neural Network,GRNN)应用于钟差预报中。采用“滑动窗”方式构建样本数据以提高数据利用率,为提高网络的泛化能力,利用K重交叉验证法(K-fold Cross-Validation)对网络进行训练学习,并根据最小均方根误差(Root Mean Square Error,RMSE)确定最优平滑因子。利用国际GNSS服务(International GNSS Service,IGS)公布的精密GPS卫星钟差数据进行预报实验,并与传统二次多项式模型对比分析。结果表明：GRNN模型在24h的预报跨度内的误差可达ns级,并较多项式模型有更好的稳定性;对于线性钟差,GRNN模型要逊于多项式模型,而对于非线性钟差,GRNN模型则明显优于多项式模型,初步验证了GRNN用于钟差预报的可行性、有效性以及实用性。     

中长期轨道预报中大气阻力系数补偿算法的研究

利用地磁平静期的CHAMP卫星精密星历对多个弧段的大气阻力系数进行解算,找到了适用于轨道预报的最优系数,分析了最优阻力系数与地磁指数、迹向残差的关系,利用线性回归分析建立了大气阻力系数补偿算法。针对中长期轨道预报的需求,该算法能够降低定轨弧段较短条件下阻力系数的解算误差。将该补偿算法应用于不同时期CHAMP卫星和天宫一号的轨道预报,验证了该算法的正确性和普遍适用性,结果表明预报精度能够提高20%以上。