基于台架的涡扇发动机优化调整分析

提出了一种新的发动机优化调整方法.这一方法以多自由度多目标优化理论为基础,利用发动机性能仿真模型和故障诊断模型,在对故障发动机进行故障诊断的基础上,通过调整发动机可调部件以使发动机的性能达到设计要求.利用这一方法建立的发动机调整模型被用于某型处于生产试验阶段的涡扇发动机的实际试车调整中,实践表明,发动机调整模型所得到的最优调整方案能够有效地指导故障发动机的试车调整.      

数控加工中等高线刀具轨迹的生成

针对高质量的等高线高速加工要求,设计并实现了数控加工中、根据刀位面及其Zmap模型计算等高线刀具轨迹的原理和算法.该算法充分考虑了刀位面Zmap模型的特点,能确保刀具轨迹始终处于顺铣状态,从而保证了良好的加工工艺性.算法稳定性好,计算速度快,并已在商品化软件CAXA-ME中成功实现.      

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.      

两冕流间的对称径向膨胀日冕物质抛射事件

本文讨论了发生在冕流对之间的1980年5月6日日冕物质抛射事件。提出了一种描述事件外环运动的经验模型,把环的观测外形表达为在运动坐标系中的Cassini函数。环的发展过程分为两个阶段:在前一阶段,外环处于冕流对盔状结构之间,事件的发展以角宽度膨胀为主,其对称轴从赤道向北纬方向移动;径向膨胀和上升速度较低,加速效应明显。在后一阶段,外环越过冕流盔状结构所在高度,角膨胀趋于停止;运动接近于等角宽度和纯径向匀速的膨胀和上升运动。当外环向外运动时,其顶部和几何中心的高度均随时间而增加,但其底部高度基本上保持不变。根据上述观测特征,讨论了事件形成的可能机制。      

基础激励下结构模态参数辨识

利用基础激励辨识结构模态参数的方法是一种在空间飞行器的研制中具有工程意义的模态分析方法。文中对这一方法做了较为系统的探讨,推导出了基础激励下频响函数的数学模型,其形式类似于传统方法中相应的公式,因而只需对测量数据稍作代数修改,即可利用现成的模态分析系统进行基础激励下模态参数的辨识。通过计算机仿真、悬臂梁试验及工程实例的综合分析,表明基础激励方法在工程应用中具有与其他传统方法同等的可靠程度。     

动态系统的容错技术

所讨论的动态系统的容错技术包括故障检测、故障定位和系统重构技术。文中研究了基于数学模型的容错技术，讨论了因数学模型不准而引起的故障检测和定位不鲁棒的问题，提出了若干增强鲁棒性的方法，对故障后的系统重构问题也作了简要介绍。     

磁浮支承系统的神经网络建模与控制

简述了磁悬浮支承系统的原理和简化的线性化模型,以及基于该简化模型和线性控制理论的控制系统原理、主要组成,并阐述了这种基于简化模型和线性控制理论的磁悬浮支承系统性能极限性.在此基础上,采用非线性递归神经网络对磁悬浮支承系统进行建模与控制,并针对实际应用中神经网络的学习问题进行了讨论.避免了磁悬浮系统的非线性和不确定性等因素对系统性能影响,并具有较强鲁棒性,大大提高了磁悬浮系统的性能.      

航天器AIT中心典型霉菌形态及其消杀效果研究

航天器总装厂房是航天器携带微生物的重要环境来源之一,厂房内的微生物检测与鉴定及其杀菌方法研究对于航天器的微生物安全与防控技术研究具有重要意义。本文报道了航天器AIT中心分离的青霉属、曲霉属和枝孢霉属等8个种属的典型霉菌菌落和孢子形态,为航天器霉菌鉴定和菌种库的构建提供了参考;同时研究了消毒剂、UVC辐照和热处理对这些霉菌的消杀效果,以期为航天器的霉菌防控技术研究提供科学依据。研究结果表明不同种属霉菌对3种消杀方法的敏感性具有较大的差异性。结合我国不同地区AIT中心霉菌种属的多样性,在进行我国AIT中心霉菌的消杀工作时应有针对性地科学选择不同消杀方法或综合应用多种消杀方法。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。