自适应流通机匣处理改善压气机性能的机理

为了探索自适应流通机匣处理形式影响跨声压气机性能及流场的流动机理,文中采用非定常数值模拟方法研究了自适应流通机匣处理对NASA轴流Rotor37气动性能的影响。数值计算结果表明:自适应流通机匣处理能有效地延迟失速并在大部分流量范围内略微提高压气机的效率。通过详细的流场分析表明,该机匣处理能有效地增大叶顶区的气流进气角度,抑制了间隙泄漏涡在叶顶通道内的发展,同时阻止泄漏涡涡核在通过激波后破碎,提高了转子顶部通道的流通能力,进而减少叶顶区的流动损失。     

并行原位自适应建表方法在超燃计算中的应用

分别采用直接积分方法(DI)和并行原位自适应建表方法(ISAT)对二维超声速燃烧室进行了计算,并与试验结果进行了比较。从对比结果可以看出,ISAT方法和DI方法计算的压力和组分分布结果基本一致,壁面压力分布与试验结果相吻合,能够满足计算的精度要求。在本文并行计算环境下,和DI方法相比,在化学反应计算速度上,ISAT方法最低提高了3.34倍,最高达到约40倍。     

基于鲁棒变结构控制方法的非线性导弹自动驾驶仪设计

对一类非线性不确定导弹控制系统,采用自适应方法进行了基于滑模理论的变结构控制器设计。该方案使得采用反演手段产生的微分爆炸问题得到较好的回避,同时构造自适应律,消除了不确定性对系统的影响,最后通过构造Lyapunov函数方法,确保了系统的鲁棒稳定性。文末仿真结果表明了该方案的有效性。     

自适应滑模控制在飞机前轮转向中的应用

前轮操纵系统是大型飞机实现地面滑行机动和按预定轨迹起降控制的关键系统之一。针对轮胎转向时复杂的负载特性以及电液伺服系统自身存在的非线性和参数不确定性的特点,基于滑模控制理论,结合Lyapunov稳定性理论,给出了飞机前轮转向滑模控制方案,并进行了数字仿真。结果表明,所设计的滑模控制器具有鲁棒性强、结构简单、易于实现的优点。     

非正侧视阵列机载雷达多空间角补偿算法

 非正侧阵列机载雷达的杂波分布随距离变化而变化,各距离单元的杂波分布不再满足独立同分布条件,造成统计型空时自适应处理(STAP)处理器性能下降。本文提出了一种多空间角补偿(MSAC)的非正侧视机载雷达杂波抑制方法,该方法先通过角度-多普勒补偿(ADC)预处理以消除在谱中心处的杂波非均匀,然后采用MSAC法在多个多普勒方向使参考单元和待检测单元的杂波谱保持一致,从而进一步消除在其余方位的杂波非均匀。仿真结果表明了该方法的性能明显优于ADC法,且运算量增加不多。     

分数阶Fourier域非均匀采样Chirp信号的频谱研究

文中提出了一种自适应非均匀采样方法,并利用分数阶Fourier变换对这类非均匀采样信号在分数阶域的频谱进行了分析和研究,得到了这类非均匀采样信号在分数阶域的数字谱表达式;进一步得到了非均匀采样Chirp信号的分数阶频谱表达式;最后,通过仿真验证了结论。     

NF-3风洞神经网络自适应稳风速控制系统研制

介绍西北工业大学NF-3大型低速直流式翼型风洞改进后的稳风速控制系统的结构、控制原理和性能特点。针对低速直流风洞风速控制系统建模困难,易受外界干扰影响,且自身参数时变不确定,控制难度大的特点,新系统采用了多线程、数字式数据采集方式,带死区控制的PSD神经网络自适应控制算法。通过在NF-3风洞三元试验段和二元试验段的实际应用,与正在使用的模糊控制系统相比较,新系统的适应性和鲁棒性更强,调试时间大为缩短,风速控制精度在风速大于10m／s时从国军标的合格指标0．3％提高到先进指标0．1％,稳定时间减少了10％左右,人机交互也更加友好。     

一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.