一种空间目标RCS序列的姿态异常检测方法

准确、快速判断空间目标姿态运动模式异常,对于空间目标监测具有重要意义。针对空间目标雷达散射截面 (Radar Cross Section,RCS)序列,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）能量谱特征的无监督机器学习异常检测方法,并采用单类支持向量机(One Class Support Vector Machine,OCSVM)验证异常检测效果。设置了几种典型异常场景进行仿真分析,试验结果表明,该方法能有效检测出三轴稳定类空间目标发生失稳旋转的姿态异常。相比于传统统计参数特征、小波变换统计参数特征及能量特征的姿态判别方法,具有检测概率高、鲁棒性好的特点。     

基于EMD与LS-SVM的刀具磨损识别方法

针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,然后分别对每一个固有模态函数进行自回归建模,最后提取每一个自回归模型的系数组成特征向量,特征向量被分为两组,一组用于对最小二乘支持向量机训练,另一组用于识别刀具磨损状态.试验结果表明:该方法能很好地识别刀具磨损状态,与BP神经网络相比具有更高的识别率.      

基于欧拉方程的尾迹面法气动力计算

在飞行器气动设计中,气动力的分析与计算很重要。介绍了一种基于欧拉方程新的气动力计算方法。详细说明了该方法的基本原理,并用不同机翼在不同扰流情况下的气动力计算实例对该方法作了讨论与分析。数值模拟的结果表明该方法在飞行器的气动设计中是现实可行的,具有很强的工程应用价值。     

纳米Co-B空心球的制备及其催化性能研究

采用新颖的模板法制备了具有较大比表面积的纳米Co-B空心球,并用XRD、TEM和BET对其结构和形貌进行了表征,研究表明,制备出的Co-B空心球为非晶态、分散性良好且粒径约为100 nm、比表面积高达84.62 m2/g.另外,采用DTA研究了Co-B空心球对AP热分解的催化性能,研究发现,Co-B空心球对AP的热分解具有很好的催化活性,添加5%时可使其高温分解峰峰温降低160.5 ℃,表观分解热增加0.855 kJ/g.     

索穹顶结构的气动阻尼识别

索穹顶是一种具有很强风振敏感性的大跨柔性结构,风振问题在设计中应予以高度重视,这其中气动阻尼有至关重要的影响,而如何有效地识别气动阻尼则是问题的关键.利用肋环型索穹顶结构气弹模型风洞实验的数据,先由经验模态分解法提取信号的低频分量,并在此基础上采用改进的随机减量法及Hilbert变换得到结构的气动阻尼,结果证明该方法是稳定而有效的.最后在计算分析的基础上总结了索穹顶结构中气动阻尼随风速及风向角的变化规律.     

过氧化氢水溶液在自分解过程中的温升特性

针对过氧化氢水溶液在自分解过程中分解放热引起的温升进行传热分析,建立数学模型,求解得出随着浓度、比热容、分解速率以及散热等因素下的温升变化规律.其结果可以为过氧化氢溶液的储存、输送以及推进燃烧控制提供重要的理论依据,为进一步掌握过氧化氢热化学机理提供理论基础.      

Fe2O3/CNTs复合粒子的制备及其对AP热分解催化性能的影响

以碳纳米管(CNTs)为载体,采用溶胶-凝胶法制备了Fe2O3/CNTs复合粒子,应用红外光谱仪(FT-IR)、X-ray衍射仪(XRD)、扫描电子显微镜(SEM)、X射线能谱(EDS)、比表面积分析仪(BET)等手段对产物的结构、形貌、粒度和比表面积进行表征,并用差示扫描量热仪(DSC)研究了纯CNTs、CNTs和Fe2O3简单混合、Fe2O3/CNTs复合粒子及不同比例Fe2O3/CNTs复合粒子对AP热分解的催化作用。结果表明,Fe2O3/CNTs复合粒子结晶好、包覆均匀、比表面积大。Fe2O3/CNTs复合粒子可显著降低AP热分解峰温,使总表观分解热明显增加,高温分解的表观活化能降低,热分解反应速率常数增加,表现出显著的催化效果。     

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS: Symmetric α-stable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。     

单纯形法原理及其扩展

详细阐述单纯形法的基本原理,并就使用单纯形法过程中经常遇到的如何寻找初始基本可行解,如何减少单纯形法的计算量以及如何将大规模复杂问题分解成若干个规模较小的简单问题等方面给予简答。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。