一种数字调制方式自动识别算法

介绍了利用6个特征参数对7种数字调制方式进行调制方式的自动识别模型算法及仿真结果,表明所提出的自动识别算法能够很好的识别出各种数字调制信号,同时具备算法简单、速度快和准确率高的优点。     

飞机纵向运动参数BP神经网络估算

针对飞机纵向运动方程复杂,现有的气动参数获得方法实现困难,不便于分析与控制飞机的运动,文中利用BP神经网络进行参数估算,建立了飞机短周期纵向运动参数估算的BP神经网络模型。研究了不同神经网络结构、不同的激励函数对飞机纵向参数估算BP网络模型的影响作用,进行了数字仿真,对误差进行原则性分析并提出改进措施。仿真结果表明,这种方法能较好的估计纵向运动方程中的未知参数。     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。     

一种基于参数辨识的微小型无人直升机建模方法

 针对具有高度非线性、复杂动力学特性的微小型无人直升机,提出了一种基于参数辨识的建模方法。该方法结合了机理建模和系统辨识的优点,通过严格的机理推导建立了微小型无人直升机横纵向通道通用的参数化模型,建模过程着重考虑了主旋翼、平衡杆和机身的耦合对飞行动态特性的影响。利用基于偏相干分析法的频域辨识获得某型无人直升机的关键参数,进而确定模型。模型预测数据和飞行试验数据的比较表明,所建模型很好地反映了该型无人直升机在悬停状态下的动态特性,可以在该状态下以此模型进行自主飞行控制器设计。     

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。     

模糊自整定PID控制及其在航天产品真空热试验中的应用分析

文章首先分析了航天产品热试验时被控对象的特点,并进行了建模分析,接着介绍了如何通过参数自整定技术获得PID的3个初始参数,并进行了模糊自校正PID控制器设计。为了检验该控制方法的控制效果,文章选取了3次有代表性的试验数据进行了仿真分析。结果表明,模糊自校正PID控制方法具有适应性强、控制精度高、抑制试验系统温度滞后明显的优点,该方法较原控制方法超调量有所减小,过渡过程有所加快,抗干扰能力显著增强,较好地解决了控制系统快速性和小超调量之间的矛盾。     

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。     

高精度电磁标定力数值模拟及实验研究

高精度电磁标定力源是微推力测量系统的重要组成要素之一。为了获得性能优良的电磁标定力,本文综合采用数值模拟及实验测量两种方法分析研究了线圈和永磁铁相对位置变化时,磁铁几何尺寸对电磁力输出特性的影响：对于直径较大、厚度较小的永磁铁而言,其电磁力随相对位置的变化会存在极值,且极值点附近的电磁力具有较好的稳定性和一致性。根据电磁力变化趋势特性,提出了线圈和永磁铁相对基准中心（极值点）位置的高精度设置方案,且基准中心位置附近的电磁力变异系数可达0.00252,为高性能电磁力的获得提供了基础。最后,确定了大直径永磁铁+线圈组合型电磁力产生装置,并基于拟合方法建立了一定包络区间内的高精度电磁力控制关系式,其拟合曲线的估计标准误差约为0.0137,为微推力测量台架的标定提供了理论指导和技术支持。     

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。      

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。