序列图像背景重建方法

研究了基于Kalman滤波理论的有色噪声滤波,探讨了其在序列图像背景重建中的应用。首先针对光线变化对背景的影响,建立背景的二阶滤波方程和观测方程,然后给出有色噪声滤波模型,利用Kalman滤波器对背景进行预测更新。试验结果表明,该方法能迅速更新背景,对光线变化具有良好的适应能力。     

变体机翼后缘多学科设计与优化

变体飞机能够改变自身外形适应不同的飞行状态,提高飞行性能,其设计涉及气动、材料、结构等多个学科。本文采用零泊松比蜂窝结构的材料作为柔性蒙皮,设计了一种具备机翼参考面积不因弯度改变而缩减的特点的机翼后缘无缝偏转机构,研究了变体机翼后缘机构多学科设计与优化方法。优化结果表明,优化后的机翼巡航和起降状态都具备良好的气动性能,不但柔性蒙皮可产生大尺度拉伸变形,而且后缘结构均能满足刚度、强度等性能指标,同时机翼结构质量相比初始设计减轻了18%。文中研究的变体机翼多学科优化设计方法,能够快速有效地完成变体机翼无缝偏转后缘优化设计。     

前缘尖化对飞翼布局飞行器气动隐身性能影响

飞翼布局飞行器内翼段前缘尖化可降低雷达回波的镜面反射强度,进而提升隐身性能.针对前缘尖化可能带来的气动问题,本文对一种典型飞翼布局飞行器的流场和电磁散射特性开展了模拟仿真.以RANS方程作为控制方程,采用k?ωSST湍流模型求解,对全机气动性能进行了分析,并结合流场特征作出解释.采用多层快速多极子算法,在典型入射频率下...     

基于滤波估计的线控转向路感规划

线控转向系统取消了转向盘与转向轮之间的机械连接,路面状况无法通过转向盘传递给驾驶员,路感需要模拟产生。为此对驾驶员理想转向盘力矩影响因素进行分析,基于汽车动力学模型,采用卡尔曼滤波方法对回正力矩进行估计,计算转向阻力矩,研究转向路感与车速、变传动比及侧向加速度的一般规律,提出基于滤波估计路感规划策略。仿真结果表明：路感模拟方法可以使得驾驶员获得良好的路面信息,提高汽车的操纵性和舒适性。     

尾缘吹气稳定器初始雾化场实验及对燃烧计算的改进

利用激光测雾仪(PDA)对尾缘吹气式火焰稳定器尾缘出口的初始雾化场进行了实验研究, 在静止空气中测量了尾缘出口下游不同截面上的各点处的液滴直径、速度等参数, 分析了雾化场结构, 初步探讨了初始雾化场的特征.同时, 根据初始雾化场的实验结果给出燃烧数值模拟的初始雾化条件, 并把计算结果与燃烧实验数据和经验数值计算结果进行对比, 分析了实验初始雾化场数据对燃烧数值计算的改进效果.结果表明, 初始雾化场实验数据对燃烧室出口温度分布及燃烧效率的计算, 都有一定程度的改进, 其中对燃烧效率计算的改进效果更为明显.      

尾缘吹气稳定器与前方溅板式喷油匹配试验

使用了一种作为主流供油的侧喷挡板喷油杆,研究了主流供油与尾缘吹气稳定器局部供油的燃油匹配规律,揭示了尾缘吹气稳定器的性能特点.同时,为了验证侧喷挡板这种新的燃油匹配方式是否具有优越性,使用两种不同型式的火焰稳定器作为主稳定器,将其与一种逆喷挡板匹配方式的燃烧性能进行了对比分析.结果表明,在试验参数范围内,使用吹气稳定器作为主稳定器,侧喷挡板的燃烧性能好于逆喷挡板.      

航空发动机ZP/LTR方法稳定性分析及改进

分析了零点配置/回路传函恢复(ZP/LTR)方法稳定性, 给出并证明了其稳定性条件.但该条件较为苛刻, 限制了ZP/LTR方法的应用.为了对ZP/LTR方法改进, 在设计过程中引入了Kal man滤波器, 通过选取特殊的参数, 使Kal man滤波器回路逼近并取代原目标回路, 从而在保留ZP/LTR方法性能的同时, 通过保证Kal man滤波器回路的稳定性保证了最后闭环系统的稳定性.给出并证明了改进后的ZP/LTR方法的稳定性条件, 指出改进后的ZP/LTR方法的稳定性条件较为宽松, 拓宽了原ZP/LTR方法的应用范围.      

面向叶片裂纹检测的自适应图像处理算法研究

提出了一种采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求。     

Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

 静基座大方位失准角的捷联惯导系统误差方程是非线性的,Unscented粒子滤波从非线性系统状态向量概率分布出发,结合Unscented卡尔曼滤波和粒子滤波的特点,无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究,并结合重采样算法,运用于捷联惯导系统静基座大方位失准角初始对准中,计算结果验证了该方法的有效性与优越性。     

A Polynomial Prediction Filter Method for Estimating Multisensor Dynamically Varying Biases

The estimation of the sensor measurement biases in a multisensor system is vital for the sensor data fusion. A solution is provided for the estimation of dynamically varying multiple sensor biases without any knowledge of the dynamic bias model pa- rameters. It is shown that the sensor bias pseudomeasurement can be dynamically obtained via a parity vector. This is accom- plished by multiplying the sensor uncalibrated measurement equations by a projection matrix so that the measured variable is eliminated from the equations. Once the state equations of the dynamically varying sensor biases are modeled by a polynomial prediction filter, the dynamically varying multisensor biases can be obtained by Kalman filter. Simulation results validate that the proposed method can estimate the constant biases and dynamic biases of multisensors and outperforms the methods reported in literature.