SINS／GPS组合系统的蒙特卡洛仿真

以考虑位置误差相关项的伪距率观测模型，对遥感中使用的SINS/GPS为距、伪距率组合系统进行了蒙特卡洛仿真。结果表明，组合系统的长期位置精度能达到5m以内；GPS数据更新率低于SINS，在GPS测量时间间隔内，组合系统的性能仅由SINS决定，虽然SINS的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性仪表，其相对位置精度可达到厘米级（这里相对位置精度指组合系统在GPS测量时间间隔内位置误差的变化范围）。     

疲劳裂纹扩展随机过程相关参数的估计

对数正态随机过程模型是可靠性与损伤容限分析中常用的裂纹扩展随机模型.在裂纹扩展对数正态随机过程模型的基础上,建立了由试验数据估计一般平稳正态随机过程相关参数的方法.应用这种方法可以直接由试验数据估计随机过程的相关参数.同时,给出了用Monte-Carlo方法估算置信区间的方法.最后,给出了用具体试验数据,这组试验数据共有237个数据点,估计随机过程相关参数的算例.     

神舟2号大气密度探测器的探测结果(Ⅰ)日照和阴影区域热层大气密度变化

选用了神舟2号（SZ-2）大气密度探测器在2001年2—4月间的探测数据,进行日照和阴影区域热层大气密度变化的探讨.结果表明:在高度410km附近,日照和阴影区域大气密度变幅为2—3倍,变幅的大小与地磁活动程度呈负相关关系.日照面大气密度峰区位于星下点地方时1400—1500LT的纬度处,峰值大小与太阳活动程度呈正相关关系.阴影面大气密度谷区位于星下点地方时0400-0500的纬度处,同时在±10°纬度区域中还出现了阴影面峰区.     

应用加权中值滤波法检测薄壁梁式挠性器件下摆量

应用加权中值滤波法对薄壁梁式挠性器件下摆量进行高准确度CCD检测。薄壁梁式挠性器件在测量过程中测量图像存在高频抖动现象,因此测量准确度不高,运用加权中值滤波后使用最小二乘法细分技术,可以在实现提高测量准确度的同时,消除高频抖动带来的误差,从而可以有效提高CCD测量薄壁梁式挠性器件下摆量的准确度。实验表明,该方法比传统测量方法准确度提高20倍以上。     

利用MF雷达对耀斑期间电离层D区电子密度的观测研究

利用MF雷达观测资料对X级别耀斑爆发期间在66-80km高度之间的电子密度进行了研究，观测到了耀斑爆发期间电子密度的突然增加，在较低高度上的电子密度的时间变化趋势与耀斑的软X射线辐射通量相关．电子密度的变化强度依赖于具体的耀斑参数，有些耀斑引起的电子密度增加高达400cm^-3，有些仅为100cm^-3左右．但耀斑期间在这一高度区间增加的总电子含量增量仅占耀斑辐射引起的整个电离层总电子含量增量的千分之一左右．最后，利用恢复阶段电子密度的时间变化过程估算了1997年11月4日耀斑期间部分高度上的有效复合系数．     

实测载荷谱数据处理系统

简要介绍了实测载荷谱数据处理系统，较深入地论述了实测载荷谱数据处理的几个重要方面，给出了该系统处理直升机旋翼系统动部件实测载荷谱的实例，通过大子样二维疲劳２载荷母体分布参数估计及假设检验，发现载荷幅值服从半正态分布，载荷均值服从三参数Ｗｅｉｂｕｌｌ分布。     

基于脑电功率谱密度的作业人员脑力负荷评估方法

脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验，记录16名被试的NASA任务负荷指数（NASA-TLX）量表数据和脑电（EEG）信号，提出了一种基于脑电功率谱密度（PSD）和支持向量机（SVM）的个体脑力负荷评估方法。结果表明：随着实验设计脑力负荷水平增加，被试的主观脑力负荷得分显著提高（p<0.001），这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上，通过网格搜索法确定个体脑力负荷评估模型的统一优化参数，惩罚系数取3 000，核函数参数取0.000 1，模型测试正确率达到0.966 5±0.029 8，宏平均的受试者工作特征曲线下的面积（Macro-AUC）达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法，为后期作业人员脑力负荷状态的实时判别提供模型基础。     

平台摇摆对卡尔曼滤波跟踪精度的影响

通过建立目标相对运动坐标系和目标相对运动观测模型,研究了在平台摇摆影响下,跟踪系统观测到的目标运动状态的变化。在分析捷联垂直基准补偿原理的基础上建立了捷联垂直基准平台摇摆角补偿模型,建立的模型结合捷联垂直基准系统的测量能力对其补偿算法进行了理论推导,使模型适用于实际捷联垂直基准系统。通过建立模型以及仿真研究了平台摇摆作用下卡尔曼滤波跟踪精度的变化,指出了摆造成卡尔曼滤波跟踪精度降低甚至离散的主要原因在于模型误差增大。设计仿真实验验证了结论的正确性,为进一步改进跟踪手段提供了理论参考。     

A cost driven predictive maintenance policy for structural airframe maintenance

Airframe maintenance is traditionally performed at scheduled maintenance stops.The decision to repair a fuselage panel is based on a fixed crack size threshold,which allows to ensure the aircraft safety until the next scheduled maintenance stop.With progress in sensor technology and data processing techniques,structural health monitoring (SHM) systems are increasingly being considered in the aviation industry.SHM systems track the aircraft health state continuously,lead ing to the possibility of planning maintenance based on an actual state of aircraft rather than on a fixed schedule.This paper builds upon a model-based prognostics framework that the authors developed in their previous work,which couples the Extended Kalman filter (EKF) with a first order perturbation (FOP) method.By using the information given by this prognostics method,a novel cost driven predictive maintenance (CDPM) policy is proposed,which ensures the aircraft safety while minimizing the maintenance cost.The proposed policy is formally derived based on the trade-off between probabilities of occurrence of scheduled and unscheduled maintenance.A numerical case study simulating the maintenance process of an entire fleet of aircrafts is imple mented.Under the condition of assuring the same safety level,the CDPM is compared in terms of cost with two other maintenance policies:scheduled maintenance and threshold based SHM maintenance.The comparison results show CDPM could lead to significant cost savings.     

Real-time object tracking via least squares transformation in spatial and Fourier domains for unmanned aerial vehicles

This paper addresses the problem of real-time object tracking for unmanned aerial vehicles. We consider the task of object tracking as a classification problem. Training a good classifier always needs a huge number of samples, which is always time-consuming and not suitable for realtime applications. In this paper, we transform the large-scale least-squares problem in the spatial domain to a series of small-scale least-squares problems with constraints in the Fourier domain using the correlation filter technique. Then, this problem is efficiently solved by two stages. In the first stage, a fast method based on recursive least squares is used to solve the correlation filter problem without constraints in the Fourier domain. In the second stage, a weight matrix is constructed to prune the solution attained in the first stage to approach the constraints in the spatial domain. Then, the pruned classifier is used for tracking. To evaluate proposed tracker's performance, comprehensive experiments are conducted on challenging aerial sequences in the UAV123 dataset. Experimental results demonstrate that proposed approach achieves a state-ofthe-art tracking performance in aerial sequences and operates at a mean speed of beyond 40 frames/s. For further analysis of proposed tracker's robustness, extensive experiments are also performed on recent benchmarks OTB50, OTB100, and VOT2016.