面向燃气电站的室内外判别及一体化多源融合人员定位方法

低轨导航增强是未来导航发展的重要趋势,而高精度低轨卫星钟差是实现低轨导航增强的必要条件。基于Sentinel-6A卫星,对低轨卫星钟差特性进行了分析,给出了钟差确定方法及影响因素,介绍了顾及钟差特性的低轨卫星钟差预报方法。实验表明,低轨卫星钟差含有多个周期项,给低轨卫星建模和预报带来了困难。与使用运动学定轨模型相比,基于简化动力学的定轨模型可显著提升低轨卫星钟差精度;当基于运动学模型确定低轨卫星钟差时,相较于使用GPS单系统数据,多GNSS观测数据可提升低轨卫星钟差精度。研究表明,基于GPS和Galileo观测的Sentinel-6A卫星钟差精度相较于GPS单系统钟差精度改善了36%,同时,所使用的GNSS产品精度与低轨卫星钟差精度密切相关。利用顾及卫星钟差特性的低轨卫星钟差预报方法,当预报时长小于1 min,低轨卫星钟差预报精度（预报与解算值之差的RMSE）在0.1 ns之内,当预报时长小于5 min,预报精度在0.3 ns之内,随着预报时长的增长,预报精度显著下降。     

基于增广Burgers方程的音爆远场计算及应用

音爆的精确模拟对于超声速客机的低音爆研究与设计意义重大。由于计算能力的限制,客机巡航高度的音爆全场直接模拟目前还难以实现。现有的音爆预测方法一般分为两步,先通过超声速线化理论或计算流体力学的方法得到音爆近场的过压值（Over-pressure）分布,再通过声学理论将近场声压信号推进至远场,以获得飞行器的地面音爆信号。在远场计算中,传统的波形参数法没有考虑音爆传播过程中的经典吸收和分子驰豫效应所造成的声能损失,得到的激波没有厚度,导致计算得到的远场声压级不准确。基于算子分裂法,开展了非线性声学中的增广Burgers方程的数值解法研究。通过计算第二届音爆预测研讨会（SBPW-2）发布的两个标准算例,验证了该方法可以实现地面音爆波形的精确预测。发现在近场声压信号前加入一段无幅值的缓冲信号可以有效提升"N"波上升时间的模拟精度。网格收敛性研究表明适当加密计算网格是有必要的。在此基础上研究了大气声吸收对地面波形的影响,发现分子驰豫效应的影响要强于经典吸收。最后,研究了不同湿度、温度对地面音爆波形的影响,发现干燥、低温的环境对音爆信号的过压值有抑制作用。     

二维 C/SiC复合材料的室温疲劳行为及寿命预测

为了研究二维C/SiC复合材料的疲劳行为并对其进行寿命预测,进行室温下二维C/SiC复合材料的拉伸试验和疲劳试验,并使用扫描电镜(SEM)观察其断口形貌。结果表明:C/SiC复合材料表现出类似金属的韧性断裂行为,疲劳极限约为极限拉伸强度(UTS)的85%,在室温下具有较为优良的抗疲劳性能;由于复合材料的缺口钝化效应,缺口试样的S-N曲线要高于光滑试样,但两者趋势一致,据此提出基于名义应力的疲劳寿命预测方法。     

一种基于盲同态解卷积的SAR成像自聚焦算法

针对大气扰动及飞行平台不稳引起机载合成孔径雷达(SAR)图像散焦的问题,提出了一种新的自聚焦算法来估算运动误差。该算法是基于运动误差函数及场景散射函数平滑特性的差异来进行估计的,利用复对数变换将图像的幅度与相位信息分离,进而分别对相位及幅度信息进行处理。运动误差通常为慢变函数,而场景的散射信息具有某种随机特性。因此,经过复对数变换后,运动误差及散射信息可以通过滤波器进行分离,将相位中的随机噪声去除,从而保留了慢变的运动误差函数。为了去除噪声信息,需要建立一个平滑滤波器,利用Daubechies小波的尺度函数构造Riesz基向量,从而建立了正交子空间,通过所建立信号子空间及噪声子空间组建平滑滤波器,最终可以获得准确的运动误差。在实验部分,分别利用仿真数据及实测数据对本文方法进行验证,最终结果分析表明该方法具有很高的估计精度及执行效率。     

基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题,将核极限学习机算法引入到北斗超快速钟差预报中。首先,将极限学习机进行优化,引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数;然后,将优化后的方法应用到超快速钟差预报中,并给出了利用该方法进行超快速钟差预报的步骤;最后,在分析iGMAS提供的实测北斗超快速钟差数据的基础上,选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内,利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型,并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比,GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%,其与最终精密钟差的符合程度显著 增强 。     

A prediction model of short-term ionospheric foF2 based on AdaBoost

In this paper, the AdaBoost-BP algorithm is used to construct a new model to predict the critical frequency of the ionospheric F2-layer (foF2) one hour ahead. Different indices were used to characterize ionospheric diurnal and seasonal variations and their dependence on solar and geomagnetic activity. These indices, together with the current observed foF2 value, were input into the prediction model and the foF2 value at one hour ahead was output. We analyzed twenty-two years’ foF2 data from nine ionosonde stations in the East-Asian sector in this work. The first eleven years’ data were used as a training dataset and the second eleven years’ data were used as a testing dataset. The results show that the performance of AdaBoost-BP is better than those of BP Neural Network (BPNN), Support Vector Regression (SVR) and the IRI model. For example, the AdaBoost-BP prediction absolute error of foF2 at Irkutsk station (a middle latitude station) is 0.32 MHz, which is better than 0.34 MHz from BPNN, 0.35 MHz from SVR and also significantly outperforms the IRI model whose absolute error is 0.64 MHz. Meanwhile, AdaBoost-BP prediction absolute error at Taipei station from the low latitude is 0.78 MHz, which is better than 0.81 MHz from BPNN, 0.81 MHz from SVR and 1.37 MHz from the IRI model. Finally, the variety characteristics of the AdaBoost-BP prediction error along with seasonal variation, solar activity and latitude variation were also discussed in the paper.     

基于约束卡尔曼滤波器预测的视觉跟踪研究

视觉伺服主要是对物体图像的某个特征区域进行处理，而不是对整个特体的图像进行处理，这样可以减少图像处理的区域，提高伺服系统实时性，为了达到这一目标，文中利用推导出的方程作为约束条件，建立约束卡尔曼滤波器，该滤波器在系统中作为预测器使用，利用它跟踪的特征点下一位置进行预测，与普通卡尔曼滤波器相比，这一预测精度有了很大的提高，这样就可以缩小图像处理的窗口，文中还利用视觉雅可比映射矩阵，求出了视觉空间到任务空间的伺服控制方程，利用这一方程可以控制机器人的运动，完成特征点的跟踪，从仿真结果来看，使用这些方法减小了图像处理的区域，提高了图像处理的速度和系统的实时性。     

ARIMA-SVR组合模型在卫星遥测参数预测中的应用

为辅助卫星在轨运行提供决策分析支持,结合卫星遥测参数的时间序列特性,利用一种ARIMA-SVR组合预测方法,通过对卫星遥测参数进行预测,判定实际遥测数据是否处于正常范围。该组合模型利用ARIMA模型对预处理后的数据进行线性拟合,并利用SVR模型对数据的非线性部分进行补偿。以KX09卫星星敏A的温度遥测数据为基础,分别利用组合模型对短期及中期星敏A温度进行预测,得出短期和中期均方根误差（RMSE）分别为0.768和0.968,相比单一ARIMA模型,短中期RMSE分别提高46.2%和16.4%。此外,对该卫星陀螺B的x轴角速度进行了短中期预测：短期预测中,组合模型比单一ARIMA模型的RMSE提高71.2%;中期预测中,组合模型比单一ARIMA模型的RMSE提高64.2%。实验结果表明,ARIMA-SVR组合模型为保证卫星在轨正常运行提供了有效的决策分析支持。     

An improved prediction model for corner stall in axial compressors with dihedral effect

Corner stall predictions are important and difficult in axial compressors.However,all of the prediction models have proved to be ineffective for advanced compressor blades,which tend to use the combined sweep and dihedral.As for the prediction parameter DL,although it effectively modeled the effects of the adverse pressure gradient and secondary flow,it failed to predict the corner stall of curved blades because the model failed to consider the intersection of the boundary layer at the corner re...     

基于聚类最近数据关联的多目标跟踪算法

提出了一种基于聚类最近数据关联的多目标跟踪算法.建立了基于目标位置、目标大小和目标灰度的3层匹配距离,将3个距离加权综合得到目标匹配的距离函数.以目标链为基准寻找与其存在最小匹配距离关系的观测目标作为目标链的数据后继,再以此观测目标为基准寻找与其存在最小匹配距离关系的目标链作为该目标的数据前驱.当且仅当匹配对象之间前驱与后继关系同时成立时认为二者匹配成功.将已有目标链分为4类,将当前帧观测目标分为2类.分析各类数据间可能存在的匹配关系,利用上述方法进行匹配运算.对于目标遮挡等情况,基于目标运动轨迹的瞬时直线性和均值滤波原理,将某时间段内的目标质心坐标作为输入数据得到回归直线,预测下一时刻的目标质心位置.目标大小和灰度预测数据由该时间内均值滤波得到.本算法在多人体跟踪实验中取得良好效果.