一类递归序列的稳定性和振动性

研究了递归序列x_(n 1)α-β_(n-1)/1-g(x_n),n=0,1,的持久性、振动性、稳定性和全局吸引性。其中α、β为正实数,g(x)是非负连续函数。     

基于Flink复杂事件处理的空间站实验柜排废气安全监测

空间站实验柜密封箱体在通过抽真空、充氮气进行排废气时一旦失控,将产生箱体失压或过压的风险,对排废气过程进行安全监控和故障识别,将面临多参数耦合以及时序逻辑等复杂事件处理问题。将大数据流处理技术Flink及其复杂事件处理(CEP)库应用在排废气安全监测上,设计出相应异常模式序列对排废气过程监测的数据流进行匹配,从数据流中实时检测出复杂事件序列。在仿真测试条件下,基于Flink CEP的监测程序故障检测率和隔离率均达100%,能有效剔除传感器瞬态异常导致的虚警。     

面向应急减灾的中轨多频多极化SAR载荷设计

针对我国现有天基观测手段时效性低、观测精度低、信息获取手段单一、难以满足日益增长的应急减灾应用需求问题,提出一种位于中轨多频多极化合成孔径雷达(SAR)载荷设计。该载荷位于中轨,通过L,S,C,X共4个频段及全极化设计,能兼顾低轨SAR和高轨SAR的优点,具备高时空分辨率、大幅宽、多元信息获取特点,能很好地满足灾害监测预警及应急响应观测的需求。     

基于模因算法的飞机装配序列规划

针对飞机制造的装配序列规划问题,提出一种基于模因算法的飞机部件装配序列规划方法。在装配优先约束矩阵和非正交干涉矩阵的基础上构建装配规划模型,以飞机零部件间的装配方向和装配工具的差异性来构建适应度函数。在非干涉解空间中进行全局搜索,获得较优的装配规划方案,通过二叉树中序遍历法将较优的方案转化为可行解,再经过交叉操作和变异操作后,在可行解空间内进行局部搜索,最终获取较优的装配方案。以某型号的飞机舱门装配为例,通过与传统遗传算法对比,证实模因算法在飞机装配序列规划中的可行性和有效性。     

基于局部三角变换的OFDM系统

正交频分复用(OFDM)调制技术由于具有良好的抗多径干扰能力和高效的频谱利用率,在许多数字传输系统中被广泛应用,成为当今卫星通信研究的热点。本文提出了基于局部三角变换（LTT）的OFDM系统模型,该系统带外频率谱密度下降快,并能保持相邻的OFDM符号的正交性。给出了用离散余弦变换（DCT）实现的快速算法及复杂度,并考查了最优基的选取。仿真和分析结果表明：该系统误码率比基于快速傅里叶变换（FFT）的系统更小,能更好地适应高速传输带来的大多普勒频移,更有效地利用带宽,为接收端对高速数据的解调提供很好的保证。     

基于遗传算法的产品拆卸序列规划研究

拆卸序列规划(Disassembly Sequence Planning,DSP)是民用飞机维修规划的一个重要内容,也是在设计阶段对民用飞机产品维修性的一个评估.为了能以较高的效率求解出产品拆卸序列的方案,本文首先根据拆卸特点构建了产品拆卸混合图模型.该模型描述了零部件之间的连接关系和优先关系,然后通过分析产生产品的拆卸序列.在此基础上建立目标函数并利用遗传算法的计算速度和灵活性的特点对拆卸序列进行优化.最后,通过一个实例,验证了本文方法的可行性及其计算效率.     

一种改进的双重频退速度模糊方法

本文分析了双重复频率退模糊方法的局限性和误差成因,提出了一种统计求解方法进行速度退模糊.此方法同传统方法的差异在于,其首先对Nyquist数进行估计,再进行退模糊处理.理想实验和在中频相参多普勒天气雷达上的实际结果分析均表明,改进的方法具有更好的解速度模糊性能,且具有较高的实效性.     

基于TestStand的先进飞机ACP综合测试系统

音频控制面板(ACP)用于向飞行机组提供与各种通信系统联接的方法,并监控来自导航系统的音频信号.与音频管理组件(AMU)配合对飞机上的各种无线电通信和无线电导航通道进行选择,管理和控制来往于飞行机组的音频信号,同时显示相应的选择控制状态.     

一种基于概率的双星无源定位算法

针对双星无源定位系统采用时差、频差对地面固定辐射源进行无源定位的问题,提出了一种基于概率的双星无源定位算法。通过公式推导,将复杂的定位方程组化简为简单的二元一次方程组。在介绍定位原理的基础上对该算法进行仿真,通过仿真,分析了定位误差与时差测量精度、频差测量精度的关系。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。