翼尖支撑双天平校准技术研究

翼尖支撑测力试验技术采用两台天平同时对同一风洞模型进行测力,开展双天平校准技术研究是实现该项试验技术成功应用的关键。基于双天平测量机理,研究并建立了双天平校准技术：利用两台单天平的校准公式,根据空间力系合成原理和天平载荷分量干扰修正技术构建了双天平同时工作的公式。通过对某专用双天平的单独校准、组合校准及风洞试验,对提出的双天平校准技术进行了验证。结果表明：双天平校准技术合理、可靠,可操作性强,能够为翼尖支撑测力试验技术提供必要的理论基础和试验依据。     

基于灰色距离测度的粗大误差判别方法

小样本试验数据的概率分布特征难以确定,使用传统的粗大误差判别方法存在较大风险。为了有效判别小样本试验数据中的粗大误差,本文探讨了基于试验数据之间的距离关系和拓扑结构的灰色距离测度的概念、数学意义、性质,在此基础上提出粗大误差判别方法。最后取一组小样本数据进行计算,实例结果表明所提出的方法合理有效。     

辽宁省旅游公共服务的系统构建与保障机制研究

建设发展旅游公共服务体系,对于推动旅游业满足大众化旅游消费需求、转变旅游行政管理模式、推进城市化进程都具有重要的影响。从系统工程的角度探讨了辽宁省旅游公共服务体系的系统构建与保障机制。     

基于速度方向可操作度的机器蛙机构参数优化

以速度方向可操作度作为跳跃性能的评价指标,从机构设计角度寻求改善仿蛙跳跃机器人跳跃性能的方法.在仿蛙跳跃机器人机构模型的基础上,建立了起跳阶段的运动学方程,得到机器人从关节空间到质心运动空间的速度映射关系,结合速度方向可操作度,利用优化算法对仿蛙跳跃机器人的机构参数进行优化,使机器人的跳跃性能达到最佳.优化结果表明,运用速度方向可操作度理论,对跳跃机器人机构参数进行优化研究是有效可行的.     

用于并联金属膜片贮箱均衡排放的一种控制方法

为控制并联金属膜片贮箱的均衡排放性能,对并联金属膜片贮箱均衡排放的控制措施进行了理论分析和试验研究,得出了一种能够有效控制并联金属膜片贮箱均衡排放的方法。本方法对使用并联金属膜片贮箱的推进系统具有借鉴意义。     

一种新的基本随机变量重要性测度指标体系

综合当前基于方差的重要性测度与矩独立重要性测度的优点,建立了一个新的随机变量重要性测度指标体系。该体系从输出响应量的均值、方差以及可靠度指标方面对随机变量的重要性进行了分析,进而根据不同的要求衡量基本随机变量对系统或模型输出的影响程度。给出了各个重要性测度指标的定义,并探讨了他们与现有的基于方差的重要性测度指标的关系。通过算例说明了所提新的重要性测度指标体系的优越性。结果表明:新指标体系中的指标不但可以反映旧的指标,而且还对其进行了修正,克服了基于方差的重要性分析中随机变量取不同实现值时对输出响应量的影响相互抵消的问题,从而更加合理地衡量随机变量的重要性;与当前矩独立的重要性分析方法相比,新的指标体系在继承其优点的基础上能够从不同侧面更加全面地对随机变量的重要性进行分析,因而具有更广泛的应用范围。     

波音757-200飞机引气系统故障分析

本文对波音757-200飞机引气系统的故障进行深入分析,并制定了相关的预防性措施。     

基于稀疏直方图的空间机械臂视觉目标跟踪方法

视觉系统作为空间机械臂的重要组成部分,一项重要功能就是在复杂空间环境下在规定周期内自主、可靠地完成对空间目标的跟踪,即在相机采集的图像序列中定位目标区域。文章面向空间机械臂视觉跟踪的应用需求,提出一种基于稀疏直方图的视觉目标跟踪方法,在目标区域内选取相互重叠的局部图像块,通过组合全部图像块的稀疏系数构造直方图以获取目标表示,采用基于簇比重信息的相似性度量方法计算目标模板与候选目标之间的距离,将此距离作为粒子滤波的观测模型以在图像中确定目标位置。标准测试集测试、室内环境和在轨环境试验的定性和定量分析结果均表明文中方法可以实现对相机视场范围内目标的准确和可靠跟踪。     

基于目标性权值度量的多示例学习目标跟踪

针对多示例学习(MIL)跟踪算法在包概率计算过程中对示例样本不加以区分导致分类器性能下降,及采用最大化似然函数选择相应的弱分类构造强分类增加了算法复杂度的问题,提出了一种基于目标性权值学习的多示例目标跟踪算法,该算法利用目标性测量每个示例样本对包概率的重要性,根据其目标性测量结果对每个正示例样本赋予相应的权值,从而判别性地计算包概率,提高跟踪精度。同时在弱分类器选择过程中,采用最大化弱分类器与似然函数概率内积的方法从弱分类器池中选择弱分器构造强分类器,减少算法的计算复杂度。通过对不同复杂场景下视频序列的跟踪,实验结果表明,本文所提出的目标性权值学习的多示例目标跟踪算法优于其对比算法,表现出较好的跟踪精度和鲁棒性能。     

基于稀疏核增量超限学习机的机载设备在线状态预测

为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法。针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法。通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典。针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新。通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%。