大型导弹车工作模态识别研究及应用

针对大型导弹车在运输状态下的动态特性识别问题,设计制作了能够反映大型导弹车主要动力学特征的简化模型,使用最小二乘复指数法（LSCE）对简化模型进行了动态特性识别,对识别结果进行了分析和评估,并将最小二乘复指数法应用到真实大型导弹车运输状态的模态识别中。可为大型导弹车运输状态下的动力学特性分析提供参考。     

整机条件下涡扇发动机部件特征参数辨识

为解决整机条件下难于直接获得部件全部特征参数的问题,在计算发动机部件特征参数对整机性能敏感度的基础上,利用条件数分析参数之间的相关性最终确定可修正参数数量.这样即可构造工程上可解的辨识问题,并通过最小二乘法求解.仿真计算结果显示:高压压气机效率为0.982与初设值0.98一致,说明该方法从理论上是可行的.从具体实例的辨识结果来看,有压气机后温度测试时部件效率降低量值符合实际结果;无压气机后温度测试时高压压气机效率较设计状态偏高12.7%,不符合实际发动机工作情况.显然辨识问题是病态的,为此可修正参数不应超过6个.      

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。     

基于STLS的卫星质量质心在轨估计

提出了一种使用结构总体最小二乘(Structured Total Least Squares,STLS)进行卫星质量和质心参数在轨估计的方法。其相对于现有方法有三个优点:采用完整的动力学模型,考虑敏感器测量误差,估计模型中不包含误差很大的推力值。首先推导了卫星质量和质心参数的估计方程,将其化为STLS模型的形式,对该模型定义了质量质心参数的STLS估计,并使用结构总体最小范数(Structured Total Least Norm,STLN)算法进行具体求解。证明了当敏感器噪声为高斯分布时,该估计为极大似然估计。仿真结果验证了该STLS估计方法的有效性。     

用参数辨识法进行直升机悬停性能拓展

准确计算直升机在不同飞行状态的有效气动参数对于确定直升机飞行性能具有重要意义。然而,由于复杂的旋翼空气动力现象以及直升机状态和环境条件的变化,准确预估气动参数有较大难度。为此,采用无量纲分析法建立直升机悬停状态的数学模型,首先对参数重组,确定了几个悬停状态重要参数,包括气动参数和直升机状态参数;然后,以直-9×型直升机为例,结合实际试飞数据,提出了用最小二乘法对该模型进行参数辨识的方法;最后,通过相关性分析,确定了辨识方法的可行性,并将辨识结果有效地用于直升机悬停性能拓展。结果表明,这种利用参数辨识进行性能拓展的方法是可行的,由于辨识结果是利用实际试飞数据确定的,拓展结果具有较高的可信度。这种数据处理方法可有效减少试飞周期,节约试验成本。     

A point-wise least squares spectral analysis (LSSA) of the Caspian Sea level fluctuations,using TOPEX/Poseidon and Jason-1 observations

The Caspian Sea has displayed considerable fluctuations in its water level during the past century. Knowledge of such fluctuation is vital for understanding the local hydrological cycles, climate of the region, and construction activities within the sea and along its shorelines. This study established a point-wise satellite altimetry approach to monitor the fluctuations of the Caspian Sea using a complete dataset of TOPEX/Poseidon for the period 1993 to the middle of 2002, and its follow-on Jason-1 for the period 2002 to August 2009. Therefore, 280 virtual time-series were constructed to monitor the fluctuations. The least squares spectral analysis (LSSA) method is, then employed to find the most significant frequencies of the time-series, while the statistical method of principle component analysis (PCA) is applied to extract the dominant variability of level variations. The study also used the observations of TOPEX/Poseidon and Jason-1 over the Volga River along with 5 years of Volga’s water discharge to study its influence on the Caspian Sea level changes. The LSSA results indicate that the lunar semidiurnal (M2) and the Sun semidiurnal (S2) frequencies are the main tidal frequencies of the Caspian Sea with the mean amplitude of 4.2 and 2.8 cm, respectively. A statistically significant long-term frequency (12.5-years period) is also found from altimetry and tide gauge observations. A phase lag, related to the inter-annual frequencies of the Volga River was detected from the point-wise time-series showing level propagation from the northwest to the southeast of the sea. The cross-correlation between the power spectrum of Volga and that of the northern-most, middle, and southern-most points within the Caspian Sea were respectively 0.63, 0.51 and 0.4 of zero-lag correlation, corroborating the influence of the Volga River. The result of PCA also shows that different parts of the Caspian Sea exhibit different amplitudes of level variations, indicating that the point-wise approach, when employing all available satellite measurements could be a suitable method for a preliminary monitoring of this inland water resource as it gives accurate local fluctuations.     

基于遗传算法的航空发动机机载模型支持向量机修正方法

航空发动机的实时模型与发动机的匹配精度直接影响着航空发动机故障诊断的精度.提出了基于自适应遗传算法的最小二乘支持向量回归机(AGA-LSSVR)方法对航空发动机机载实时模型进行修正,有效的提高了模型的匹配精度.分析了最小二乘支持向量机中的参数的选取对模型修正的影响,在参数的选取空间里采用自适应遗传算法搜索最优参数.最后,比较了Back propagation(BP)神经网络、支持向量回归机、AGA-LSSVR等方法在机载模型中的修正效果.结果表明:提出的AGA-LSSVR具有很好的修正精度,验证了修正模型的有效性.      

基于逐步回归的模型误差估计及在天基测控系统中的应用研究

以双星定位系统的天基测控技术为应用背景,提出了一种能够自适应估计模 型误差的轨道确定方法。详细推导了观测模型中的系统误差形态,建立了能表征实际特征的 部分线性轨道改进模型,并利用二阶段法和核函数估计法对混合误差进行补偿,在此基础上 对补偿模型进行逐步回归分析,从中提取动力学模型误差,从而抑制了动力学模型误差的影 响,提高了轨道改进的精度。在本文的仿真环境下,部分线性轨道改进法能够有效抑制混合 误差对定轨精度的影响,提高天基测控的轨道确定精度。     

基于杆臂补偿的多MIMU六方位倍速率标定方法

误差建模、标定与补偿是提高微惯性测量单元(MIMU)精度的关键,而杆臂效应是影响低成本微机电系统(MEMS)惯导精度进一步提升的瓶颈.针对杆臂效应引起的多MIMU标定误差问题,提出了一种基于杆臂补偿的多MIMU六方位倍速率标定方法.分析了杆臂效应影响多MIMU标定的误差机理,设计了一种六方位倍速率标定方案,建立了基于杆...