图象序列中机动目标的形心跟踪

从边检测边跟踪的角度探讨了图象序列中机动目标的形心跟踪问题,深入分析了强高斯噪声背景下目标形心估计的统计性质及用于形心估计的图象预处理方法。指出经典的图象二值化变换分割后作形心估计的方法面临着估计偏差和方差的矛盾,提出了用自适应交互三模型(ATIMM)跟踪图象序列中机动目标的方法,同时发现在了解目标形状的条件下,空间匹配滤波,二值变换点集聚类和 ATIMM三者的结合对图象序列中的机动目标具有最好的跟踪性能。     

某型涡轮轴发动机稳态气路故障诊断方法

本文是涡轮轴发动机稳态气路故障诊断方法研究的结果。根据监控功能要求 ,应用气路参数分析法 ,确定反映部件性能参数变化的测量参数 ,建立故障诊断模型 ,探讨分别应用 6个和 4个测量参数诊断气路部件故障的方法     

H型叶栅通道流计算网格的改进

提出一种壁面正交、尾迹区网格节点分布逐渐均匀化叶栅通道网格生成方法。为了研究壁面处网格正交性对数值计算结果的影响，推导出壁面附近流动参数一阶导数离散误差与网格线交角的数学关系。采用N-S方程分别对平板紊流附面层流和叶栅通道流进行计算分析。结果表明：壁面处网格正交性对附面层内流动计算预测精度影响较大，而对势流区流动影响很小；尾迹区切向网格节点逐渐均匀化分布能更准确计算尾迹区流动。     

高亚声速压气机叶片优化设计

为实现压气机叶片的优化设计,采用Hicks Henne函数进行叶型参数化,N S方程流场计算与混合遗传算法结合构成设计软件。以给定叶片表面压力分布为目标,以损失小而扩压度大和给定压比损失最小作为目标,所得优化叶片吸力面等熵马赫数分布合理、符合控制扩散规律,具有较好的压比和损失指标。采用几何方法与椭圆型方程方法结合生成壁面正交H型网格,可提高计算精度和便于采用代数紊流模型的流场计算。     

随机声载荷时域信号仿真模型研究

利用航空发动机环行燃烧室噪声测试数据，采用时间序列自回归分析方法得到了燃烧室噪声及动压仿真模型ARMA（17，16），并用其对噪声时间历程数据进行了最佳预测。     

航空发动机故障仿真研究

基于航空发动机正常工况下的数学模型,结合航空发动机实际运行状况,确立了几种发动机的典型运行故障。通过对故障进行分析,选取对故障比较敏感的气动或性能参数作为故障诊断参数。最后,在以上基础上建立航空发动机故障数学模型。     

航空发动机燃烧室流动数值计算中湍流模型的比较

分别采用标准k-ε湍流模型、RNGk-ε湍流模型、Realizablek-ε湍流模型以及雷诺应力模型,对某型航空发动机燃烧室流动进行了数值计算.近壁处理采用标准壁面函数法,计算得到速度矢量分布以及质量流量、湍流粘度比和湍流强度等参数.四种湍流模型计算的总体流动差别较小,但流场的细节有较明显的不同.标准k-ε模型、Realizable k-ε模型和雷诺应力模型的湍流粘性计算结果较为接近,而RNGk-ε模型计算的湍流粘性较小.     

民用飞机弹性结构水上迫降试验载荷研究

刚体模型和弹性体模型的载荷传递方式不同,为了研究刚体模型和弹性结构模型对飞机水上迫降载荷的影响,根据动力相似性原理设计制造了刚体模型,并根据强度相似性原理设计制造了弹性结构部件,通过气囊加载试验系统验证了弹性结构部件满足强度相似设计要求。通过水上迫降模型试验测得加速度-时间历程曲线,使用傅里叶变换处理试验数据得到加速度峰值。根据刚体模型的试验数据分析,飞机以初始俯仰角12°、襟翼为着陆构型、较小的下沉速度和中重心状态入水时,飞机在水上迫降过程中受到的载荷较小。研究表明：带弹性结构模型和刚体模型所得到的飞机载荷有明显的不同,带弹性结构模型得到的垂向加速度峰值明显低于刚体模型。这种现象主要是由于机体着水底部弹性结构变形吸收了大量的能量。     

射流伺服阀用放大型超磁致伸缩执行器建模及分析

为提高射流伺服阀的动态性能,设计了采用桥式微位移放大机构的射流伺服阀用放大型超磁致伸缩执行器(AGMA)。建立了计输入位移损失的放大机构模型以及非线性位移输出理论模型,并采用有限元法对所建放大机构模型进行了对比验证,结果表明:放大机构的输入刚度模型最大误差0.78N/μm,放大倍数模型最大误差0.22,放大倍数受输入位移影响较小。最后,试验研究了AGMA的静动态特性,结果显示:控制电流在-0.5A到0.5A缓慢变化时,AGMA输出位移约为78μm;当控制电流从-0.5A跃变到0.5A时,其峰值位移约为71μm,峰值时间约为0.014s,调节时间小于0.1s;当控制电流幅值为0.5A时,其输出位移幅频宽40Hz,谐振频率约为30Hz。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。