考虑微加工误差的微机械陀螺的健壮性优化

 为减小微加工误差对音叉振动式微机械陀螺设计性能的影响、提高其批量性能稳定性,以对其加工后性能变异影响最大的若干关键参数为设计变量,在分析了几何约束条件、模态性能约束条件、基于模态的加工灵敏度约束条件的基础上建立了微机械陀螺健壮性优化的数学模型。在无需事先知道微机械陀螺尺寸／性能的详尽统计信息的条件下,采用一阶摄动技术和遗传算法实现了微机械陀螺的健壮性优化设计。     

基于散乱数据表面法矢的二次曲面拟合

 为了解决二次曲面拟合算法中因几何参数初值计算方法不精确而导致的求解效率低,甚至失败的问题,提出了基于表面法矢的二次曲面直接拟合算法。采用不同的模型对该方法与已有二次曲面拟合技术进行了性能对比测试与分析。在此基础上建立了二次曲面提取的方案,给出了散乱数据二次曲面提取的实例。实验与理论分析表明,文中方法可以精确求解二次曲面的几何参数的初值,从而提高了曲面拟合算法的性能,为逆向工程中的数据分割与特征提取提供了新的技术手段。     

线性调频连续波SAR成像算法研究

研究了线性调频连续波SAR的距离徙动算法成像.针对线性调频续波SAR的特点,在STOP AND GO近似成立的条件下,讨论距离徙动算法的实现过程.STOP AND GO近似失效时,通过补偿线性调频连续波SAR连续运动引入的多普勒频移,提出了改进,并给出仿真验证.     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

基于距离像特征的复合速度估计算法研究

首先分析了步进频率宽带信号混频处理原理和目标速度对距离像的影响。在此基础上,提出了基于距离像熵和距离像对比度的速度估计算法,详细分析了这两种算法的数学原理、步骤、效果、适用条件等。最后,基于这两种算法又提出了复合速度估计算法,大大提高了速度估计精度。     

首颗自主地月转移微卫星“龙江二号”

本文对世界首颗独立完成地月转移、近月制动、环月飞行的微卫星“龙江二号”进行了介绍。首先阐述了龙江二号的任务目标和总体方案;然后重点分析了轨道设计与控制、复杂电磁干扰的标定与抑制、宽视场三维基线干涉测量等关键技术难点;接着回顾了任务的实施过程;最后详细介绍了低频射电探测仪、沙特光学相机和VHF/UHF通信模块与学生微型CMOS相机等有效载荷,并展示了上述载荷获取的初步成果。     

一种针对局部结构的有限元模型修正方法

针对实际结构有限元模型（FEM）的建模误差通常仅存在于局部区域,提出了一种对局部结构单独进行模型修正的方法。首先,根据频响函数（FRF）解耦理论得到由残余结构频响函数与包含待修正参数的局部结构动刚度所重构的整体结构频响函数的拟合值,然后通过迭代优化使其与测量值的残差最小化,从而得到参数的极大似然估计。在此基础上,将残差关于参数的灵敏度以局部结构动力学矩阵表示,建立了模型修正的基本方程,利用整体结构的测试数据即可直接对分离出来的局部结构进行模型修正。最后,对喷气式飞机和三角机翼飞机分别进行了数值模拟和实验研究,验证了所提方法的可行性和有效性。结果表明,所提方法可以成功地用于仅局部区域含有建模误差的实际结构有限元模型的修正,修正后的有限元模型的动态特性与实际结构有较好的一致性。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题,提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型,实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失,对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型,并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明,模型对已知和未知类故障平均识别率达99.57%,10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%,验证了模型的有效性和优越性,能高准确率地识别出已知或以前从未出现的新故障。      

Using the radial basis function neural network to predict ionospheric critical frequency of F2 layer over Wuhan

Neural networks (NNs) have been applied to ionospheric predictions recently. This paper uses radial basis function neural network (RBF-NN) to forecast hourly values of the ionospheric F₂ layer critical frequency(f_oF₂), over Wuhan (30.5N, 114.3E), China. The false nearest neighbor method is used to determine the embedding dimension, and the principal component analysis (PCA) is used to reduce noise and dimension. The whole study is based on a sample of about 26,000 observations of f_oF₂ with 1-h time resolution, derived during the period from January 1981 to December 1983. The performance of RBF-NN is estimated by calculating the normalized root-mean-squared (NRMSE) error, and its results show that short-term predictions of f_oF₂ are improved.