可视化技术在分析新型蓄冷材料——笼型化合物（Clathrate）溶解过程中的应用（一）、（二）

混浊液内部的流动，由于微粒子之间的相互作用以及因浊度高不易进行内部观察，所以无论是分析还是可视化实验都相当困难，存在着许多未弄清的问题。通过采用折射率匹配（Refractive-IndexMatching）技术，使透明的微粒子与透明的溶媒的折射率近乎相同，做成一种透明的“混浊液”，从而使混入其中的示踪粒子的运动轨迹能被摄像机捕捉到，并以微粒子的沉降和温度的干涉所引起的流动现象为焦点，利用图像速度测量法来处理分析所拍摄到的可视化图像，成功地获得了定量的混浊液内部的速度场，为进一步揭示混浊液内部自然对流的流动机理提供了实验依据。     

串置双五分量天平的研制

本文介绍风洞应变天平中首次研制成功的一台串置双五分量天平。串置双天平由一块钢材制成。O_1天平固定在 O_2天平的受力端。O_2天平既能测量左平尾载荷,又能传递由 O_1天平测量的右平尾载荷。正确分析两台天平的受力传力路线和弹性变形的综合位移量,用严谨的数学公式描述两台天平测量的力和传递的力。对这两种力进行数学分解,形成数学模型,写出天平静校公式的数学表达式,并据此研制天平静校设备,分析天平在各分力作用下的弹性位移,写出弹性角公式。上述各点是串置双天平的核心问题。最后经风洞引导性实验证明,串置双天平的原理、方案、受力分析、静校公式等都是正确的。在国内外,串置双天平第一次用于风洞实验,获得了初步成功。     

基于自适应径向基网络的舰船RCS统计特征识别方法

文章采用舰船RCS频域起伏序列的均值、标准差为识别特征向量,利用提出的基于样本密度的自适应径向基网络,进行舰船分类识别研究。自适应径向基网络采用改进的自适应PSO方法估计样本密度最优邻域半径,实现径向基网络中心的自适应选择。改进的自适应PSO方法采用能反映样本聚类特点的BWP指标为适应度评价函数,采用快慢结合的高斯自适应惯性权重调节策略,提高了最优样本密度邻域半径的搜索速度和精度。实验结果表明,自适应径向基网络能自适应获得径向基网络最优识别率对应的RBF中心及其位置分布,减少了对建模人员经验的依赖,提高了反舰导弹对舰船类型的识别分类能力。     

基于离散粒子群算法的航空发动机总装工艺优化方法

为了提高航空发动机总装工作的效率与质量,加强对总装工序和总装机件的管控,量化不同总装人员工作任务量,提高发动机总装的一致性和可追溯性,提出了1种发动机总装分区优化方法。以改进的2进制粒子群算法为基础,平衡了发动机总装各区域的工作内容,最小化各总装区域的工作差异,增强了每个区域装配机件的关联度,提高了总装工作的并行度,从而提高了装配质量。以某型发动机总装区域划分工作为实例,通过上述算法进行了总装区域划分,量化了所有装配区域每一工序的具体装配内容,减小了不同装配区域间的机件差异,杜绝了缺件、剩件等装配问题。     

基于PIV技术的单圆孔脉冲射流流场特征

对稳态射流及脉冲射流冲击靶板时的流场特性结构进行了探索和分析。采用高频粒子图像测速技术,在射流管口到冲击靶板间距为6倍管径的条件下,对稳态射流进口雷诺数为6 000的稳态射流及脉冲频率为20 Hz的脉冲射流进行了实验测量,得到了射流核心区、壁面射流区及滞止区内的速度分布。研究发现:①由于射流剪切作用的影响,脉冲射流核心区的最大轴向脉动速度为稳态射流的3倍。②滞止区内,由于射流的剪切作用和壁面的滞止作用,导致了脉冲射流轴向速度梯度最大为稳态射流的2倍,同时,滞止区内的最大脉动速度是稳态射流脉动速度的3倍。③脉冲射流对壁面的卷吸以及旋涡的产生和传播过程,破坏了壁面射流区稳定的速度边界层。相比稳态射流,脉冲射流的流场增加了湍流相干结构的含能并产生周期性的大尺度卷吸涡。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法,具有较为灵活的并行化跟踪方式,能够较好地维持跟踪目标的假设状态,具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段,但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器,实现视频图像中的飞行器跟踪,跟踪图像存在跟踪滞后、画面抖动等现象,跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法,建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪,在识别和跟踪的基础上建立云台控制模型,通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据,检验飞行器目标的跟踪效果。     

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。