全变差正则化方法对一类热传导反问题的应用

热传导终端反问题是典型的不适定问题,应用基于全变差的正则化方法来获得它的稳定数值解,将近似解的求解范围由连续函数空间扩大到了有界变差函数空间,并将固定点迭代法用于求解非线性的Euler方程,并进行了理论分析和数值实验。结果表明:该方法与算法具有高效稳定全局收敛等优点。     

基于改进半阈值算法的电容层析成像滑油监测方法研究

针对航空滑油检测过程中电容层析成像（Electrical Capacitance Tomography,ECT）存在的病态性和欠定性问题,将稀疏正则化中基于L1/2正则化的半阈值迭代算法应用到ECT图像重建,加入L2范数的惩罚项,构造新的泛函模型,并在迭代过程中设计一种新的约束项以优化解向量。仿真实验采用Comsol5.3搭建系统模型,Matlab2014a处理采集数据。实验结果表明,与Landweber迭代算法相比,改进算法成像误差降低37.33%,相关系数提升33.67%;与半阈值迭代算法相比,改进算法成像误差和相关系数分别降低12.31%和提升11.86%,图像误差降低至0.24、相关系数提升至0.92,且成像时间依然保持在0.06s。实际滑油监测的实验系统采用现场可编程门阵列（Field Programmable Gate Array,FPGA）直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号对测量电极进行激励。实验结果表明,基于ECT系统的改进半阈值迭代算法可以满足航空发动机滑油监测的实时性和准确性的要求。     

峰值点非负矩阵分解聚类算法

非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信息,并给出了算法的迭代更新规则。在大量真实数据集上的实验结果表明,该方法可以更加有效地利用数据本身的结构信息,从而提高聚类效果。     

贝叶斯正则化BP网络在机翼载荷分析中的应用

采用贝叶斯正则化与BP网络相结合的方法,构造了一个分析飞机机翼载荷的三层BP网络。贝叶斯正则化方法提高了BP神经网络的泛化能力,且能考虑非特征化的非线性影响。使用某型飞机对称机动和滚转机动的试飞实测数据作为载荷激励来训练神经网络,并用这个训练完的网络预测了该飞机机翼的飞行载荷。最后将神经网络预测结果与实测结果进行了比较,结果表明该方法能够准确地实现飞机机翼载荷预测,对新机研制和飞行试验有较高的参考价值。     

大动态干扰下基于光学图像的自主导航技术

针对高超声速飞行器在平流层内飞行过程中自主天文导航时,气动光学效应及运动模糊等大动态干扰严重影响观星和高精度导航的问题,提出一种基于正则化思想的高超星图半盲复原改进算法。该算法首先借助已有的高超星图模糊核提取算法获得先验模糊核,为复原提供便利条件。接着结合天文图像灰度及梯度的稀疏先验分布特性,设计了一种针对高超星图的正则化盲复原模型,并结合先验模糊核所提供的信息,构建了改进的半盲复原方法,能在先验模糊核精度较低或缺失时转化为盲复原方法,提高了算法的鲁棒性。将本算法与传统星图复原算法、其他最新正则化复原算法进行星图复原与导航效果比较,数值仿真结果显示本算法的复原效果更佳,峰值信噪比（PSNR）达到36.97,并且质心提取成功率达到99.23%,能够明显改善星图识别的成功率,从而大幅提升高超声速飞行器在平流层中的大动态干扰下的自主导航能力。