超声速拦射导弹的一种预测变结构中制导律

针对攻击超声速大机动目标的超声速拦射导弹的中制导律设计问题,基于变结构控制理论并结合预测导引的思想提出一种预测变结构中制导律。该制导律能够零化导弹速度前置角,交班时过载较小,从而很好地满足中末交班要求。通过调节预测步长,在目标作大机动的情况下,既能保证中末交班时几乎为零的导弹速度前置角,又能有效地减小交班时导弹法向过载。最后在Matlab/Simulink环境下对攻击超声速蛇形机动目标进行了仿真,仿真结果表明了所设计的制导律的正确性和攻击超声速大机动目标的有效性。     

渠道冻土模型研究现状及发展趋势

混凝土衬砌渠道的冻胀破坏,对农业灌溉、城乡供水、工程建设等工农业生产及人民生活有着重大影响。通过分析国内外有关于渠基土冻胀模型的研究现状,并结合实际情况,对衬砌渠道渠基土冻胀模型研究发展趋势提出相关预测。     

基于灰色马尔可夫链的航空货邮预测

结合航空货邮的特点和灰色预测及马尔可夫链理论的优点，提出航空货邮预测的灰色马尔可夫链模型。灰色马尔可夫链模型既考虑了从时间序列中挖掘数据的演变规律，又通过状态转移概率矩阵的变换，考虑数据的随机波动，它将时问序列数据固有的两种性质有机结合起来，具有严密的科学性，能较好地应用于中国航空货邮运输量的预测。     

基于最小二乘支撑矢量机的陀螺漂移预测

为提高支撑矢量机(SVM)标准算法速度和解决大规模问题,研究了SVM的最小二乘回归算法,并给出了计算模型。对陀螺仪漂移预测的结果表明,最小二乘SVM算法的精度与标准算法相近,并可解决大规模数据问题,在工程实践中具有其有效性和可行性。     

一种基于灰色预测控制的动态测量误差修正系统

以灰色理论的灰色预测控制为基础理论 ,结合动态测量误差修正 ,在测量系统加以外控制量 ,把动态测量过程中的实时误差预测修正灰色模型GM (1,1)作为控制模型进行灰色预测控制。     

基于灰色理论的飞行事故率和事故症候率预测

基于灰色预测理论,给出了飞行事故率和事故症候率预测分析的新方法。分析结果表明,采用灰色预测理论对飞行事故率和事故症候率进行预测分析,可以得到满意的预测精度,从而为民用航空器运营管理提供决策依据。     

基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测

结合BP神经网络对飞航导弹备件进行消耗预测,提出了基于粗糙集和BP神经网络的预测法。该方法充分发挥了粗糙集在处理冗余数据上的优势,提高了预测速度和有效性。     

基于ISODATA模糊系统的飞船落点选优方法

针对如何从基于分布式并行计算获得的数千个飞船返回过程预报落点中优选出＂最可能＂落点这一问题,在充分考虑以往返回落点计算的先验知识和最新落点信息的基础上,设计了飞船返回的自适应聚类模糊系统,采用含有时间因子的迭代自组织数据分析算法研究了返回舱落点优选方法。最后,利用＂神舟八号＂返回落点实测数据进行模型检验。计算结果表明,该方法的落点预报精度较传统选优算法的预报精度高50%以上,同时具有较好的稳定性,可为飞船返回搜救提供技术支撑。     

Machining Error Control by Integrating Multivariate Statistical Process Control and Stream of Variations Methodology

For aircraft manufacturing industries, the analyses and prediction of part machining error during machining process are very important to control and improve part machining quality. In order to effectively control machining error, the method of integrating multivariate statistical process control (MSPC) and stream of variations (SoV) is proposed. Firstly, machining error is modeled by multi-operation approaches for part machining process. SoV is adopted to establish the mathematic model of the relationship between the error of upstream operations and the error of downstream operations. Here error sources not only include the influence of upstream operations but also include many of other error sources. The standard model and the predicted model about SoV are built respectively by whether the operation is done or not to satisfy different requests during part machining process. Secondly, the method of one-step ahead forecast error (OSFE) is used to eliminate autocorrelativity of the sample data from the SoV model, and the T2 control chart in MSPC is built to realize machining error detection according to the data characteristics of the above error model, which can judge whether the operation is out of control or not. If it is, then feedback is sent to the operations. The error model is modified by adjusting the operation out of control, and continually it is used to monitor operations. Finally, a machining instance containing two operations demonstrates the effectiveness of the machining error control method presented in this paper.     

流场特性预测的两类高效方法

在多因素多水平试验设计方法建立数据库的基础上,提出了预测流场特性的两类高效方法:一类是响应面方法;一类是小波神经网络方法.典型算例表明,两类方法都可以高效率的获取流场特性参数,而且在预测的精度与计算的效率上,小波神经网络方法较响应面方法更具有优势.