InSAR成像匹配制导技术

为了解决飞行器远程全天候高精度自主导航的问题,提出一种InSAR成像匹配制导技术,利用InSAR生成的高程数据与基准高程图进行精确匹配,并通过构象模型反演出飞行器的空间位置。分析对比了多种精确地形匹配方法,采用基于F.Leberl数学模型的空间定位方法并分析了误差影响。仿真结果表明,该方法可以实现飞行器高精度自主导航定位,大大提高飞行器的适应性和抗干扰能力。     

基于气动参数之间关系的桥梁断面气动导纳识别

气动导纳的准确估计对大跨桥梁抖振分析具有重要意义.目前在识别方法、试验技术等方面均有诸多进展,但尚未建立识别全部气动导纳函数的方法.针对这一问题,基于气动导数与气动导纳之间的关系,结合根据紊流风场中的抖振响应同时识别桥梁结构气动导数和气动导纳这一思路,首先采用随机子空间法识别得到紊流风场中桥梁结构的气动导数,然后利用气动导数与气动导纳之间的近似关系获取与竖向脉动风分量对应的气动导纳函数,最后根据抖振力谱和脉动风速谱来确定与水平向脉动风分量对应的气动导纳函数.实例研究表明,本文方法对流线型断面气动导纳的识别是可行的.     

扰动测量环境中基于图像序列的模态参数识别

针对结构模态参数识别,提出了一种基于二维连续图像序列的识别方法.该方法以CCD相机采集的图像序列为基础,在待识别结构上选取一定数量的特征点,运用因子分解法将结构运动参数和外形信息分离开,得到各特征点的运动轨迹,通过实施特征系统实现算法(ERA,Eigen-system Realization Algorithm)识别出结构的模态参数.特别是当测量仪器,即CCD相机受到扰动时,能够从图像序列中分离扰动,得到结构自身的运动参数,保证较好的识别效果.以相机受扰动时,悬臂梁模型为例进行了仿真分析.将识别出的悬臂梁前5阶频率与ANSYS计算结果进行对比,结果吻合很好,对于工程中利用光学图像识别结构动态特性具有较高的参考价值.     

DS/FH混合扩频快速捕获技术的研究

在DSFFH混合扩频通信系统中,快速捕获是一个非常关键的技术。通过采用快速扫描和等待式相结合的方法用来实现跳频信号的快速捕获,利用神经网络技术实现直扩信号的快速捕获,通过这2种方式,就可实现DSFFH混合扩频的快速捕获。     

雷达辐射源信号特征参量分析

对所有可观测的辐射源特征参量的特点、测量精确度的主要影响因素以及测量限制条件等进行了较全面地分析,初步回答了哪些特征参量可用于信号分选与个体识别的问题,并给出了其应用限制条件.     

用于识别两颗故障卫星的RAIM算法

提出了一种可以识别两颗故障卫星的接收机自主完好性监测算法.将最优奇偶矢量法应用于两颗故障卫星识别,指出由于故障偏差可能会抵消而使得正确识别率较低.对最优奇偶矢量法进行了改进,利用对单颗卫星故障敏感的最优奇偶矢量对所有可能的两颗故障卫星组合分别构造两个新的奇偶矢量,用于两颗故障卫星的检测和识别.计算机仿真结果显示,改进后的算法与直接利用最优奇偶矢量法相比,可以显著提高两颗故障卫星正确识别率,识别率可超过90%.同时,改进算法的奇偶矢量构造方法简单,计算量将减少90%以上,更有利于工程实现.      

基于脉冲响应相关函数的模态辨识算法

利用不同时刻系统测量噪声具有独立同分布的特点,对脉冲响应进行相关处理,可以提高信噪比。为解决传统的基于脉冲响应的模态辨识算法的辨识精度问题,用某点脉冲响应同参考点响应之间的相关函数代替该点的脉冲响应以形成基于脉冲响应相关函数的模态辨识算法,并从理论上证明脉冲响应相关函数算法的辨识精度优于传统的脉冲响应算法。通过对一个四自由度系统模态频率和阻尼比的仿真辨识,验证了脉冲响应相关函数辨识算法的有效性。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

结构在环境激励下的模态参数辨识

针对传统模态辨识方法存在的缺陷,研究了工程结构在环境激励下的模态参数的辨识问题。通过各点测试数据的协方差数据构成Hankel矩阵,运用随机子空间实现进行系统矩阵的辨识。经飞机模型的环境激励分析验证,上述方法具有理想的辨识精度,在大型结构的模态辨识领域,拥有广阔的应用前景。     

基于L-M网络的涡扇发动机动态过程辨识

介绍了多层前馈网络的Levenberg-Marquardt (LM)算法,对涡扇发动机动态过程的数学模型进行了分析和简化,运用多层前馈网络L-M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识,辨识所用样本数据和测试数据均为试飞实测数据.辨识结果表明,这种方法收敛快精度高,非常适合于涡扇发动机非线性动态过程的建模.