基于集成学习模型的飞行学员认知负荷研究

在飞行过程中,飞行员需要在短时间内接收大量信息,并做出正确的判断与决策,而过高的认知负荷会影响其感知、判断、决策等认知过程,进而影响飞行安全。首先通过飞行模拟实验获取飞行学员在执行不同飞行任务时的生理数据;然后通过时域、频域分析等方法提取呼吸和心电信号的特征,并通过统计学方法筛选出能够反映认知负荷水平的指标;最后结合支持向量机、K 最邻近、人工神经网络等方法建立集成学习模型,对飞行学员的认知负荷进行评估,并与单一算法进行对比。结果表明：本文建立的集成学习模型具有较高的准确率,能够更好地反映飞行学员认知负荷水平。     

多故障转子-滚动轴承系统的动力学特性

为深入研究多故障转子-滚动轴承系统的机理,充分考虑了旋转部件的扭矩、剪切力、转动惯量及陀螺力矩等效应,采用Timoshenko梁单元和转盘单元建立了转子的有限元模型,集成了滚动轴承动力学模型,及不平衡、不对中、碰摩、裂纹及松动等故障模型,得到了多故障转子-滚动轴承系统的动力学方程。采用变步长龙格库塔法,获得了转子-滚动轴承系统的位移响应,研究了系统位移响应随转速变化的分岔图、庞加莱截面,以及故障特征处的时域波形图、轴心轨迹图、相平面图和频谱图,探究了多故障转子-滚动轴承系统的故障特征及其动力学特性和规律。仿真分析结果表明：多故障转子-滚动轴承系统在运行过程中存在周期运动,拟周期运动和复杂的类混沌运动等丰富的非线性行为,且在各非线性行为转速区间内,会呈现不平衡、不对中、碰摩、裂纹和松动等单一故障或耦合故障的特征和现象。     

实现交互式三维参数化造型的研究

参数化设计方法是当今计算机辅助设计领域的一个热点课题,交互式三维参数化造型可以在原有模型的基础上,快速而方便地生成新的设计方案,大大提高了设计效率。本文所讨论的是通过引入特征的约束关系,利用现有的实体几何造型系统来实现交互式的三维参数化造型的方法。     

太阳活动突发过程对临近空间大气影响的模拟

空间天气对地球及近地空间具有重要影响,大的空间天气事件对中上层大气动力学和成分具有不同的影响。利用全大气耦合模式WACCM,针对太阳耀斑、太阳质子、地磁暴三类事件,以太阳活动平静期2015年5月10-14日的GEOS-5数据为模式背景场,通过F_10.7、离子产生率、Kp及Ap指数设置,分别模拟三类事件对临近空间大气温度、密度和臭氧的影响。结果表明耀斑事件在三类事件中对临近空间大气温度和密度的影响最为显著。平流层大气温度增加是由耀斑辐射增强引起平流层臭氧吸收紫外辐射发生的光化学反应所致,耀斑事件引起平流层和低热层温度增加约为2～3 K,低热层大气相对密度增加在6%以内;太阳质子事件及磁暴事件主要影响低热层,但太阳质子事件和磁暴事件对低热层温度扰动不大于1 K。     

基于特征优化与改进KNN的航空发动机故障诊断

为有效解决航空发动机气路故障诊断难题,建立了基于特征优化与改进KNN的航空发动机气路故障诊断模型。利用特征优化算法对发动机故障特征进行处理,包括特征增维与近邻成分分析算法;将特征优化后的特征输入改进KNN算法,建立基于特征优化与改进KNN算法的故障诊断模型;为验证所建立故障诊断模型的准确性,在四台CFM56-7FB发动机数据上进行实验验证,结果表明：基于特征优化与改进KNN算法的故障诊断模型的准确率可达98%以上,能够达到智能诊断的目的。     

低数据率与低阵元数时LCMV和LCEC波束形成算法研究

研究了低数据率与低阵元数条件下应用线性约束最小方差算法(LCMV)算法和线性约束特征干扰相消器(LCEC)算法的相控阵雷达系统对干扰抑制和旁瓣压低性能。建立了均匀线阵接收信号模型,给出了LCMV,LCEC两种算法的原理,用仿真方法讨论了不同数据率和阵元数时LCMV,LCEC算法不同到达方向上的干扰与旁瓣抑制性能。结果表明:与LCMV算法相比,高数据率、低阵元数时LCEC算法在两个相隔角度小于1个主波束宽带的干扰来波方向上形成的零陷更准确;低数据率、低阵元数时LCEC算法的角度分辨率更高;低数据率、高阵元数时LCEC算法的副瓣电平抑制能力更强,高阵元数时LCEC算法保持了静态方向图的特征。     

用于识别双星故障的RAIM算法

由于传统的基于识别门限的卫星故障识别算法存在漏检和误警致使识别率较低,为此提出一种可用于识别双星故障的接收机自主完好性监测算法.该算法通过构造新的奇偶矢量与故障特征平面,利用奇偶矢量与故障特征平面之间的几何关系来识别卫星故障,使得算法不再受限于识别门限的影响,从而有效地避免了由于识别门限引起的识别效率较低的问题.计算机仿真结果表明:改进后的算法与传统的基于识别门限的算法相比,双星故障正确识别的性能有显著的提高,正确识别率可达到90%.同时,与基于门限识别的重构最优奇偶矢量法相比,计算量可减少约61.2%以上.     

单幅图像的三维重构视觉系统特征点提取算法的研究与实现

实现基于单幅二维图像不标定欧氏重构三维场景的关键技术之一是有效提取彩色伪随机编码图像特征角点。为给图像特征点匹配提供更多的样本信息,采用定位于彩色图像Harris算子探测特征角点,并动态给出角点响应的自适应阈值条件。特征点提取实验及三维欧氏重构结果证实了该方法的适用性和有效性。     

运用神经网络进行冷挤压工艺设计的特征编码技术

将人工神经网络引入冷挤压工艺规划的基础和关键是将冷挤压零件的几何信息和工艺信息转换成人工神经网络所能辨识的数据信息。本文介绍的将模式性知识引入到冷挤压工艺设计过程中,对零件进行特征编码完成信息转换的方法可以有效地解决这个问题。     

基于决策树的涡轴发动机气路健康评估方法

为解决涡轴发动机退化模式多、故障样本大、分类困难的问题,将梯度提升决策树(GB?DT)算法应用于涡轴发动机气路健康评估.首先对涡轴发动机故障标签进行了拆解,针对每一类标签设计了一个分类器.通过特征重要度排序筛选了6个分类标签的输入特征,有效降低模型复杂度.通过遍历确定树的最优数量和深度,确保了分类的准确性.仿真结果表明...