全局灵敏度分析的支持向量机方法

结构全局灵敏度分析中存在隐式极限状态函数和高计算量困难问题,提出支持向量机和蒙特卡洛方法相结合的一种新的全局可靠性灵敏度分析方法。该方法采用支持向量机拟合输入变量与输出响应之间的关系,同时采用均匀映射得到更多数量的失效样本以获得高精度的代理模型,故仅需少量样本即可将隐式极限状态函数显式表达,与直接蒙特卡罗方法相比,可显著提高计算效率。数值算例和工程算例表明所提方法具有一定的工程应用价值。     

嵌入式隐Markov模型的分段训练方法

针对嵌入式隐Markov模型再学习问题,提出了分段训练方法用于人脸识别:把当前的训练样本看作整体训练样本的一部分,训练结束后存储训练后的模型参数和中间变量;增加新样本后,以当前模型参数作为初始模型参数,用新增样本训练模型,得到新的中间变量,最后将已存储的中间变量和用新样本计算得到的中间变量合成,得到最终的模型.人脸识别实验结果表明了该方法的可行性.      

基于样条拟合和双向滤波的助推段弹道估计

三次B样条拟合在助推段弹道估计中应用广泛,但存在弹道两端点邻域估计误差过大的问题.通过对B样条基函数矩阵的特性进行分析,发现其原因为端点邻域估计时能利用的有效观测数据最少.因此,提出一种基于样条拟合和双向滤波相结合的弹道估计策略：首先将双星观测数据利用无迹变换转换为等效位置观测;然后利用三次B样条拟合弹道;最后基于一种自适应卡尔曼滤波器,采用双向滤波策略改善样条拟合的端点估计精度.仿真结果表明：组合方法使样条拟合的端点估计误差减少40％,同时使估计弹道更平滑.此结果满足实时性要求.     

用对角线形式的隐式分解格式计算跨音速喷管流动

本文用对角线形式的隐式分解法计算了跨音速喷管流场,并且与普通形式的隐式分解法进行了比较。通过对平面和对称喷管流动的计算表明:对角线形式的隐式分解法保持了原隐式分解的精度和稳定性,并且可节省约1/2的计算机时间。     

基于移动粒子半隐式方法的旋流液膜破碎过程模拟

为实现旋流初始雾化中液膜破碎过程的直接数值模拟,基于GPU (Graphics processing unit)加速和移动粒子半隐式方法 (Moving particle semi-implicit method, MPS),开发了离心式喷嘴液膜破碎过程的并行加速数值模拟方法与程序,模拟了喷雾场三维形态特征和初始雾化破碎过程。模拟结果成功捕捉到了液膜形成、液膜破碎成液丝继而破碎成液滴的瞬态过程。模拟得到的雾化破碎过程与实验拍摄结果基本吻合。模拟了不同射流速度下的旋流液膜破碎过程,模拟得到的液膜初始破碎长度与经验公式计算结果趋势一致,二者吻合较好,最大误差为24.2%,模拟得到的液膜半锥角与实验值较为吻合,误差为10.6%。表明开发的模拟方法与程序的准确性,为后续离心式喷嘴的液膜雾化过程及雾化特性研究打下基础。     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

基于自编码器和HMM的民机接地点远事件检测

已有的飞行品质监控（FOQA）标准仅由地速的积分距离判定接地点远事件（LTE）的发生,无法结合多个快速存取记录器（QAR）参数检测并解释发生该事件的原因。通过滑动窗口对包含多个参数的QAR样本进行分段,按照分段位置形成若干分段样本集。由长短时记忆网络（LSTM）自编码器得到QAR样本分段及分段内向量的特征表示,采用K-means分别对这些表示向量进行聚类处理,实现QAR样本及其分段的符号化。使用正常航班QAR样本集的符号序列建立隐马尔可夫模型（HMM）,以检测包含接地点远事件的航班。由发生及未发生接地点远事件的QAR样本各个分段的符号序列构建HMM后,采用Viterbi算法确定接地点远事件在QAR样本分段内的具体位置。在真实QAR数据集上的实验结果表明,与其他多维时间序列异常检测方法相比,所提方法不仅能有效检测接地点远事件,而且可以获得多个QAR参数的异常值,辅助领域专家分析发生该事件的原因。      

面向终端区航空器飞行状态识别的HMM方法

为了准确掌握和预测终端区航空器飞行状态及其时序,为管制指挥提供参考,提出了一种基于隐马尔可夫模型的终端区飞行状态识别模型。通过对终端区雷达数据的一致化处理,形成符合隐马尔可夫模型的雷达航迹特征表示;采用雷达特征航迹训练隐马尔可夫模型,建立航空器飞行状态及其时序识别模型。实验表明:对于常规进场的航空器,方法快速有效,平均识别率高达91.53%;模型充分体现了管制意图信息与飞行意图信息;可以帮助管制员及时准确判断航空器的飞行状态。     

基于MAP估计和广义高斯MRF的SAR图像边缘比率检测方法

SAR图像极低的信噪比以及乘性噪声给SAR图像的边缘检测带来了较大的困难。提出了一种针对SAR图像边缘的自适应贝叶斯检测方法。该方法利用广义高斯马尔可夫随机场作为局部均值的先验概率分布模型,利用贝叶斯准则推导了局部均值的最大后验概率估计。广义高斯马尔可夫随机场模型参数估计和局部均值估计采用联合迭代技术进行求解。边缘检测器的参数采用接收机操作性能曲线和卡方检验进行选择。基于实测SAR数据的仿真实验结果表明,本文的边缘检测算子是有效的,并优于已有的SAR图像边缘检测算子。