中航信与携程签署战略合作协议

近期,中航信与国内最大的在线旅行服务公司——携程共同签署了战略合作协议。根据协议,双方将在航空机票分销、酒店等多领域开展全方位的深入合作。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

基于ILLE和SVM的卫星执行机构系统故障检测与定位

针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。     

圆草捆缠膜机的设计与研究

本文论述了圆草捆缠绕式青贮的原理,以及发展圆草捆缠膜机的必要性.并结合我国国情,对圆草捆缠膜机进行合理配置及优化设计.     

全位置自动焊管机TIG焊电源研制

本文介绍了一种适用于管－管、管－板对接的全位置自动TIG焊晶体管电源，该电源采用可编程控制器控制，具有直流／脉冲功能，焊接参数在4个区间内可分别预测，试验表明，该电源区间过渡时电弧稳定，抗干扰能力强，焊缝均匀、连接。     

机翼/外挂系统的颤振主动抑制研究

 本文对颤振主动抑制控制律进行了研究。研究对象为一小展弦比带外侧导弹的机翼颤振模型,模型具有外侧后缘控制面。依据该模型的全部动力特性和刚度特性,以最优控制为基础,采用动态补偿器方法,设计了两阶控制律。对该控制律进行了风洞实验验证。实验结果表明:颤振临界速度提高了14％以上。理论计算结果与实验结果一致。     

冷挤压机载荷与缓冲参数关系的试验研究

 <正> 机械式冷挤压机在挤压过程中的冲击振动对模具和产品质量有严重影响。在工程上采取一些措施,但关于挤压载荷与缓冲参数关系,迄今未曾见到系统的报导。本文首先对挤压机缓冲装置工作时的动力过程作了系统的分析,建立了力学数学模型,进行了系统的计算,并在航空专用冷挤压机上作了系统的试验,测试了不同挤压材料、不同缓冲参数时挤压载荷、模具和机身应力的波形与数据。从而得出缓冲参数对挤压载荷的影响规律;缓冲参数对制件质量和挤压能消耗的影响趋势;缓冲参数间的相互制约关系等。发现了冲击载荷曲线前沿斜率对金属成形机器构件应变应力动态响应值有很大影响。     

SVM最优分类面相对位置的修正

通过放宽标准支持向量机(SVM,Support Vector Machines)中类别边界至分类面等间隔的约束,保持两类函数间隔之和不变的条件,在支持向量机思想框架下得出分类面依样本分布进行调整的新型支持向量机,其对偶形式与标准支持向量机完全相同,从而在理论上进一步完善了支持向量机.在此基础上,提出使类别的函数间隔正比于样本标准差的具体算法--方差修正法,达到最优分类面的相对位置依样本方差而调整之目的.从统计意义上来说,方差修正法在分类精度上有所提高,但计算量增加不多.     

基于小波包能量谱的航天器在轨泄漏漏孔形状辨识方法

为了实现对航天器在轨泄漏漏孔形状的准确辨识,提出基于小波包能量谱和支持向量机的航天器在轨泄漏辨识方法。首先分析圆形、长方形、正三角形3种典型形状漏孔之泄漏信号的频域特点,之后运用小波包能量谱提取不同形状漏孔泄漏信号的特征值,最后运用提取的特征值配合支持向量机建立辨识模型,实现对漏孔具体形状的辨识。对该辨识方法进行试验验证,将3种形状的漏孔分为A、B两组,利用A组漏孔进行泄漏信号特征值提取与辨识模型的训练,再对B组漏孔进行辨识准确率测试;结果表明该方法可以实现对不同形状漏孔的辨识,在合适的小波包分解层数下,总体辨识准确率可达95.9%。     

环境减灾二号A/B卫星在森林树种识别中的应用

采用环境减灾二号A/B卫星数据,在福建武夷山国家公园和东北虎豹国家公园2个试验区开展森林树种识别的应用研究。分别提取2个试验区影像的光谱特征、归一化植被指数(NDVI)和基于主成分第一分量的8个纹理特征信息,采用支持向量机(SVM)和原型网络分类对森林主要树种进行识别,并利用验证样本进行精度评价。结果表明：在福建武夷山国家公园试验区,SVM和原型网络分类的总精度分别为86.37%和91.11%,Kappa系数分别为0.83和0.90。在东北虎豹国家公园试验区,SVM和原型网络分类的总精度分别为91.77%和91.34%,Kappa系数均为0.90。总体来说,环境减灾二号A/B卫星数据在2个试验区的主要树种识别精度较好,后续能较好地满足林业行业相关业务应用需求。