传播模型驱动的三维频谱地图测绘研究

频谱地图是频谱资源管理、安全治理和频谱作战等应用的基础。针对传统频谱测绘局限于二维空间的问题,给出了一种面向空天地一体化需求的三维频谱数据采集和测绘系统架构,提出了一种传播模型驱动的频谱地图重构方案,能够实现稀疏采样条件下高精度的三维频谱地图绘制。该方法在单辐射源和多辐射源情况重构的频谱地图与基于射线跟踪方法获得理论结果吻合度较高。此外,针对典型场景的实测结果也进一步验证了本文方法的可行性。     

垂直起降运载火箭着陆段抗漂移控制算法

针对垂直返回火箭着陆段高精度控制的难点,提出一种抗漂移控制算法,以动力显式制导和PID控制为基础,设计了基于陀螺和加表信息的干扰观测器,用于估计环境干扰、液体晃动、结构偏差及模型不确定性等引起的干扰力和干扰力矩,通过伺服摆角和程序角补偿,平衡了力和力矩的干扰。仿真结果表明,该方法求解方便,工程实现性强 ,采用抗漂移控制算法相比于传统控制,姿态控制精度有较大提升,轨迹漂移量缩小50%以上,能为工程实践提供很好的支撑。     

基于增程雷达一维像特征的高轨卫星识别方法

高轨卫星距离地球数万公里,雷达为了实现有效跟踪,通常使用增程技术。远距离使位置测量误差大到千米量级,增程导致数据率低到每帧以分钟计,雷达散射截面积(RCS)细节信息丢失,这给利用目标轨道和RCS进行目标分辨、识别带来困难。幸运的是高轨卫星目标相对观测视线位置和姿态稳定,天然消除了宽带一维像使用中方位敏感性的问题。本文通过一维像的尺寸、波形熵等特征,通过最小二乘支撑向量机,设计了高轨卫星目标的模板匹配算法,利用实测数据进行了识别验证,结果表明了方法的有效性。     

基于热加工图的TC4合金热成形性能研究

通过热压缩试验研究TC4(Ti-6Al-4V)合金在应变速率为0.001～100s-1,变形温度为750～1050℃条件下的热成形性能.建立了基于流动应力的TC4合金本构方程.综合考虑应变速率和变形温度对材料微观结构及性能的影响,采用动态材料模型建立加工图.根据Malas稳定性准则确定出了非稳定区的位置及热变形最佳工艺参数:变形温度为800℃,应变速率为0.001s-1.     

支持向量回归机在结构可靠性分析中的应用

 评估结构的可靠度常常遇到隐式功能函数,对于此种情况经典的结构可靠性分析方法难以实施。目前,响应面和人工神经网络等回归方法已经广泛地用来构建显式函数替代隐式功能函数进行结构可靠性分析。支持向量回归机是一种与人工神经网络类似的新回归方法,目前很少用于结构可靠性分析。鉴于支持向量回归机出色的小样本学习性能、良好的泛化性能,本文提出了基于支持向量回归机的两种适用于隐式功能函数的可靠性分析方法：基于支持向量回归机的Monte-Carlo模拟法和基于支持向量回归机的一次二阶矩法。算例表明支持向量回归机可以在抽样范围内很好的逼近真实的隐式功能函数,减少结构分析次数。失效概率计算结果与经典方法的对照说明所提方法的计算精度较高,具有一定的实用价值。     

基于MATLAB的异步电机直接转矩控制系统仿真研究

利用MATLAB所提供的电气系统模块库Simulink构造一个异步电机直接转矩控制系统,对系统的相关子模块进行了较为详细的介绍,并给出具体的结构图。并根据此系统制作一个基于直接转矩理论的电机控制器。     

收敛-扩张喷管中运用激波矢量控制法的计算研究

采用二阶TVD格式的有限体积法耦合RNG k-ε湍流模型和非平衡壁面函数求解二维守恒型雷诺平均N-S方程，数值模拟了运用激波矢量控制法的二维收敛一扩张喷管中的流动现象，很好的模拟出了由于次流喷射所产生的激波及上下壁面的压力分布，并将计算结果与国外的实验结果进行了对比。     

球面收敛二元扩张矢量喷管热射流特征的实验研究

为了获得球面收敛二元扩张矢量喷管热射流特征，在小型热射流实验台架上运用红外热像显示和流场测量，在总温673～823K、喷管落压比(NPR)1．46～2．25状态下，对不同喉道宽高比、俯仰角和偏航角的热射流特征进行了实验研究。在本研究范围内，NPR对矢量喷管上壁面附面层流动影响不大；在扩张上壁附面层分离的情况下．壁面附近的流线被上抬，形成“马鞍”形异型总压分布；喷121出121下游的激波呈现一连串的“葫芦”状，随喷管矢量角的增大，流场的不对称性越明显；在收扩喷管喉道宽高比（ARi）为2时，热射流被分成两股。     

支持向量机在航空发动机故障诊断中的应用

提出了一种基于支持向量机的航空发动机故障诊断方法。该方法在利用恰当的工具或方法提取到发动机故障的特征信息之后,采用支持向量机对特征信息与故障模式进行关联,实现故障模式的分类。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,将其应用于某型发动机的故障诊断中,取得了较好的效果。该方法尤其对于新型发动机的故障诊断具有一定的参考价值。      

网络化制造资源状态估计研究——基于主成分分析（PCA）和加权支持向量机（WSVM）

针对网络化制造资源配置受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于主成分分析和加权支持向量机的智能混合预测模型。模型首先使用主成分分析弱化数据序列波动性,然后借助加权支持向量机在处理小样本和模糊神经系统处理非线性模糊信息的优点,进行趋势预测。研究结果表明,所提出的模型能有效地提高状态估计方案的可行性,为网络化制造资源状态估计的在线实施提供了方便。