固定影响平行数据模型参数的偏最小二乘估计及应用

当平行数据的解释变量之间存在严重的多重共线性,或者样本点个数与解释变量个数相比较少时,用经典方法求解模型(如最小二乘法等)误差偏大,难以满足实际要求.针对这种情况提出了用偏最小二乘法思想求解固定影响平行数据模型,并且实例表明误差明显减少,可以满足建模和预报的要求.     

高频响流场测试TR-PIV系统技术及其应用

系统地介绍了高频响流场测试TR-PIV技术的基本原理、系统结构及组成,并对其三大关键技术即高速相机、高频响激光器和高速数据存储技术进行了系统的技术分析.结合TR-PIV实验系统要求,对商业高速相机和高频响激光器技术的现状进行了介绍和分析.TR-PIV实验过程中产生的大量数据图像文件对实验系统数据传输带宽的高要求,制约着实验数据采集频率和总实验时间两个参数.建立了基于PCI-E间接存储技术的TR-PIV流场测试系统并利用该系统对低速循环水槽中自由来流方柱绕流场进行了长时间110Hz连续采样,获取了方柱尾迹中旋涡结构的时空演变特征.研究结果对于集成建立高频响TR-PIV测试系统及其应用具有较好的指导价值.     

常规闭口风洞相阵列气动声学试验

传统气动声学研究观点认为,精确的声学测量要求风洞背景噪声和洞壁反射足够低,传声器测量结果有足够高的信噪比,这是大多数风洞无法达到的要求.近些年,基于声纳和雷达技术发展起来的麦克风相阵列技术可以通过增加阵列的传声器数目从而大幅提高声学测量的信噪比,具有噪声源研究和定位能力,并被成功地应用于非声学固壁风洞噪声源测量和噪声物理机制研究.作者基于相阵列波束生成频域算法研制出常规闭口风洞相阵列系统及相关技术,在FD-09风洞尝试进行了相阵列校准试验和某民机噪声测量试验.结果表明:相阵列技术能够准确捕捉到真实的校准声源,并从技术上验证了相阵列系统在常规闭口风洞测量气动噪声是有效的.     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。     

离子与霍尔电推进性能和质量的工程数据模型

为了提供航天工程任务设计时优选离子或霍尔电推进的通用对比分析方法,基于工程数据建立了包括推力器、电源处理单元、推力器选择单元、控制单元、推进剂气瓶、调压单元、流率单元、推力器支架、电缆、管路等产品的电推进的性能和质量经验模型。在此基础上通过推导建立了电推进系统干质量通用模型,模型变量参数包括推力器功率、推力器数量和推进...     

一种异步嵌入变格式遥测系统

介绍一种变格式异步嵌入式遥测系统，该系统能正确有效地传输飞行器导航计算机数据（块）及其他各种被测信号，重点分析了遥测数据帧格式的设计及突出特点     

先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志,飞机飞行包线的扩大已超出传统的大气数据系统测量范围,可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象,基于过失速机动飞行试验的数据,开展大气参数估计与验证研究。结合过失速机动的时间与空间特性,研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法;针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性,进一步构建深度神经网络,对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计,过失速机动过程中融合迎角误差优于2.3°,融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。     

卫星控制系统测试数据自动判读系统设计

针对卫星控制系统测试数据类型多和数据量大的特点,人工判读方式存在判读时间长和判读精度不够高等不足,分析了卫星控制系统测试数据的变化规律,建立了测试数据的判读规则,在此基础上完成自动判读方法设计和自动判读系统设计,该系统能够按照设置的判读规则进行自动判读,对判读结果进行实时显示和存储,提高了测试效率和判读的准确性.     

铁谱图像自动识别系统的开发与设计

立足于我国航空发动机发展的现状,结合铁谱技术的发展,阐述了铁谱图像自动识别系统的结构和组成部分,进一步促进我国新型飞机油液故障诊断系统的研究、设计与发展。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。