星图匹配观测三角形优化选取技术

为了提高三角形星图识别算法的成功率,减少匹配过程中的计算量,进而提高星敏感器实时输出姿态的性能,提出一种星图匹配前“二次优化”选取观测三角形方法,该方法在在初选观测三角形的基础上,对观测三角形进行第二次优化筛选,进而提高星图识别环节的效率。优化选取观测三角形是基于QUEST定姿原理,将观测三角形的边与夹角的约束关系转换到像平面上。全天球遍历分析统计结果表明：在12°×12°视场中,采用本文提出的方法,可使一次匹配成功并输出可用于星图验证环节的较高精度姿态信息的概率提高60.9％,从总体上可大大减少星敏感器星图识别环节的计算量,并且每帧全天球定姿输出的时间一致性也被大大提高。     

柱形等离子体辐射场的数值计算和分析

参照金属辐射场的求解方法,在简化条件下计算出柱形等离子体行波传输和驻波传输的辐射图．当改变等离子体密度以及相关参数时,对应的辐射图会相应地发生变化,得出与信号在金属介质中传输相类似的结果．根据理想柱形等离子体表面波的色散关系得到波矢,求出的柱形等离子体辐射方向图与金属介质的辐射方向图相比,会发生较大的变化,因此利用等离子体进行信号传输有一定的价值．     

一种基于实数粗集空间的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集,避免了经典粗糙集必须经过离散化处理的环节;并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果,使得修改后的映射结果中各类样本点之间有明显的间隔,易于进行分类识别.最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性.     

双弯反射面天线方向图的计算机设计

本文介绍了双弯反射面天线的中截线和横条带方程;导出了该反射面赋形波束的远场计算公式;讨论了计算机对该反射面的综合与分析;由此建立的计算机软件可以完成该天线的电性能设计并给出反射面的全部坐标数据。     

多层自适应模式识别系统模型

在英国WISARD单层模式识别系统的基础上,借助P.Kanerva的稀疏分布存贮(SDM)的概念,提出了~种新的多层自适应模式识别系统模型(MAPR)。并就其工作过程和主要特点作了较详细的叙述,还列出了多体印刷体汉字识别的初步试验结果。MAPR用稀疏RAN阵列代替WISARD的常规RAM阵列,用对n元模式计频的训练策略代替了原系统的直接置位策略。使系统除了保持原系统的重要优点外,在大维数或非确定性模式数据识别方面,其性能有了明显改善。     

基于数据挖掘算法的热压罐固化周期预测研究

目前,计划人员只能根据相关工艺文件中固化参数及热压罐固化周期的历史数据对热压罐进行连续排罐,导致计划人员无法制定精细的排产计划,还没有利用数据挖掘算法对热压罐固化周期进行预测的研究。采用支持向量回归和KNN预测两种预测方法,并对两种方法的预测结果进行对比试验。试验表明KNN预测的预测结果中有90%的罐次均优于支持向量回归的预测结果,且有90%罐次的误差小于0.5h。最后对两种方法的预测结果进行了原因分析。     

单流和双流模式对燃油箱冲洗惰化过程影响

在简要描述燃油箱冲洗惰化工作过程的基础上,根据质量守恒方程,氧氮溶解逸出方程及气体通过孔口流动方程,建立了通用的多隔仓燃油箱数学模型,并给出了采用龙格库塔法求解的初始条件。选择一个具有4个隔仓燃油箱作为研究对象,并采用国产分离膜产生富氮气体,分别设计了单流和双流两种模式,对燃油箱进行冲洗惰化仿真计算,分析了燃油箱平均氧浓度和各个隔仓中氧浓度随飞行包线的变化关系。研究结果显示,两种模式均可以保证燃油箱上部气相空间平均氧浓度满足低于12%的要求。虽然单流模式较双流模式简单,但是单流模式中无法避免外界空气进入燃油箱,因此某些隔仓在俯冲下降阶段氧浓度会高于12%,而双流模式可在整个飞行阶段保证隔仓氧浓度不超标。     

湍流模型在民机跨声速绕流计算的应用

针对民机构型DLR-F6翼身组合体,研究了不同湍流模型对气动特性和流场特征的影响.控制方程采用全场三维可压、雷诺平均的Navier-Stokes方程;计算格式采用Jameson中心有限体积、多步Runge-Kutta时间步长格式进行求解;湍流模型分别采用EARSMk-ω模型、Spalart-Allmaras(S-A)模型、SST模型、Standardk-ω(STDk-ω)模型、Low-Reynolds Numberk-ω(LRNk-ω)模型.通过对巡航状态的计算研究,分析了五种湍流模型在翼身结合处气流分离的特点,为工程应用提供了一定的借鉴意义.     

基于BiGRU-SVDD的ADS-B异常数据检测模型

广播式自动相关监视（ADS-B）作为新一代空管监视技术,由于采用明文方式广播发送数据,因而存在易遭受网络攻击的安全问题。为了准确检测ADS-B数据攻击行为,在充分考虑时间相关性的基础上,提出了针对ADS-B数据的异常数据检测模型。首先利用双向门控循环单元（BiGRU）神经网络预测ADS-B数据,得到了ADS-B数据预测值。再将预测值和实际值作差,将差值放入支持向量数据描述（SVDD）训练,得到了能检测ADS-B异常数据的超球体分类器。并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短BiGRU神经网络的训练时长。实验结果表明,BiGRU-SVDD模型能检测出随机位置偏移攻击、高度偏差攻击、重放攻击、拒绝服务（DOS）等攻击下的ADS-B异常数据。并且,与其他机器学习和深度学习方法相比,BiGRU-SVDD异常检测模型的准确率更佳,适应性更优。     

基于SolidWorks的阵列特征设计

通过实例介绍了基于SolidWorks平台的机械零件阵列特征设计的方法.除了圆周阵列和线性阵列的规则阵列特征外,还有由草图驱动的阵列、表格驱动的阵列、曲线驱动的阵列等不规则阵列及随形阵列功能.对于具有相同结构特征的零件,有助于减少重复性工作,从而提高设计效率.