模糊聚类分析应用于民航飞机环保性能评估

航空运输业的飞速发展引起了人们对飞机环保性能方面的关注。为了科学地评价民航飞机环保性能,运用模糊聚类分析方法,构建民航飞机环保性能综合评价的数学模型,并给出动态聚类图。评价结果与实际相符合,验证了该方法的可行性及正确性。这为总体设计阶段飞机构型筛选提供一定的环保性能准则。     

攻角拉起时前体非对称涡诱导机翼摇滚运动

针对目前前体非对称涡诱导机翼摇滚研究时攻角往往处于静态而没有考虑攻角动态拉起的问题,在北航D4风洞中采用细长旋成体与30°后掠翼的组合体模型,通过不同拉起速度下的机翼摇滚运动实验,分析了攻角拉起速度对前体非对称涡诱导机翼摇滚运动的影响及影响产生的原因;随后通过在快速拉起摇滚运动过程中进行模型表面压力测量,研究了快速拉起机翼摇滚的流动机理.实验结果表明,由于机翼摇滚运动的时间随攻角拉起速度增加而减少,使得在3个不同的拉起速度分区内,摇滚运动呈现为不同的运动形态,其中第3个快速拉起分区内的摇滚运动为与攻角静态时完全不同的类正弦摇滚运动形态.与攻角静态时机翼摇滚的流动机理不同,快速拉起时这种类正弦摇滚运动主要源于前体非对称涡随攻角的演化,前体非对称涡随滚转角的涡型切换不再重要.      

被动传感器组网变门限聚类定位算法

为了提高干扰情况下目标的定位精度,提出一种基于数据质量分析的地面固定被动传感器组网变门限聚类定位算法。该算法充分利用传感器组网和数据质量分析的优点,首先将各传感器量测转换为目标的估计位置点,并按照距离平方和的方法对各位置点进行数据质量分析;其次构造检验统计量,根据位置点数量的变化自适应调整聚类门限进而对位置点中心进行数据质量分析;最后根据分析结果确定高质量位置点类别并获得目标的估计位置。通过和最小均方误差估计算法（MMSE）相比较,变门限聚类定位算法可有效消除低质量数据对定位结果的影响,从而提高了目标的定位精度。仿真结果验证了从数据质量分析的角度对目标进行组网定位的有效性。     

基于AT89S52的软件凸轮机构的研究

软件凸轮通过对产生凸轮轮廓的软件控制步进电机实现机械凸轮的功能,根据类速度的概念,建立了软件凸轮通电脉冲频率与凸轮机构从动件运动规律之间的数学模型。使用AT89S52单片机控制步进电机运动,从而实现了在不改变硬件系统的条件下,通过改变AT89S52单片机应用程序实现从动件不同的运动规律,即软件凸轮。提出了将类速度的概念应用于建立凸轮从动件运动规律的数学模型的新设想,其可行性已被初步的试验证实。     

用一种改进的蚁群聚类算法进行网络入侵检测

针对蚁群聚类算法在聚类结果中出现部分数据划分不够准确的问题,提出蚁群聚类改进算法。对已有蚁群聚类算法的结果簇做调整,从而得到更好的聚类结果。使用KDD Cup1999入侵检测数据集所作的实验结果表明,聚类效果改进明显,入侵检测率有所提高。     

复杂通道类零件五坐标加工全局干涉处理方法

 针对复杂通道类零件五坐标端铣加工中全局干涉问题,提出一种基于临界约束与临界位置精细化的干涉处理方法。通过分析刀杆碰撞干涉特点,以切触点处垂直于走刀方向平面与被加工曲面交线为基础,计算刀具的初始临界位置。在零件坐标系下,建立自动编程刀具轮廓函数,基于初始临界位置,选定与刀具临近点集。在刀具坐标系下,采用距离监视的方法计算点集到临界刀轴的距离,判断干涉点集,计算与之对应的刀具旋转角度集,选取最大的旋转角,从而确定出无干涉刀轴矢量。算例结果表明,该方法能够快速确定干涉检测范围,准确生成无干涉刀位轨迹。     

核空间聚类在图像纹理分类中的简化算法

模糊c均值聚类已广泛应用于模糊模式识别领域,但对于线性不可分数据并不适用.在核方法中通过将输入数据经过非线性映射投影到高维特征空间来解决非线性分类的问题.将传统的模糊c均值聚类算法应用于核空间中,对线性不可分的样本进行了核空间聚类的分类实验,得到了正确的分类结果.由于图像分类中分类样本(对应图像像素)数目庞大,造成了核空间聚类算法中特征距离的计算量过大.因此,在核空间聚类的基础上,提出了对图像先进行过分割,再对过分割的图像块进行核空间聚类的方法,大大降低了高维空间特征距离计算的运算成本,并取得了良好的分类效果.      

轴类零件静平衡测试的新方法

1原理当用支点把物体支承起来以后,如果支点在物体重心的正下方,物体就会处在不稳定平衡的平衡状态,用外力即可打破它的平衡。当外力撤去以后,它不会自动恢复到初始的平衡状态,而继续朝外力的方向倾斜。2测试方法如图1,将零件C水平放置在两个支点A;及B;上,轴的旋转中心线O;O。与支点A、B在一个铅垂面内。如果轴存在静不平衡,重心G点偏离轴线OIOZ。测试时,在轴C两侧各设置一个可以调整轴线OIO。位置的挡块E、F,假设轴C的重心G点在轴心左边（见图2）,则轴C总是靠在左边档块E上。把轴C向右边平移,当G点位置路过支点连…     

基于核心点虚拟标签传播的密度聚类算法

针对数据聚类问题提出了一种改进的密度聚类算法。该算法将数据点分为核心点和边界点两大类,并根据核心点之间的连通性,将核心点合并为多个核心区域,每个核心区域分配一个独有的虚拟标签。以数据点间的距离为基础,构建拉普拉斯矩阵,在此基础上将核心点上的虚拟标签传播到边界点,拥有同种标签的数据点属于同一类簇。在合成数据集和真实数据集上的测试结果表明,改进的新算法相较于经典聚类算法在聚类效果上有明显提高。     

样本标签污染条件下的雷达辐射源个体识别技术

针对辐射源个体识别(Specific Emitter Identification,SEI)中由于数据集存在错误标签导致识别率下降的问题,提出了 1种有监督和无监督融合的错误标签识别和纠正方法。首先采用无监督密度峰值聚类方法将数据集中出现的标签错误样本找出,再使用 K折交叉实验对这些标签异常的样本进行预测投票,将得票数多的标签作为错误标签纠正的结果。经过清洗的数据集再通过卷积神经网络进行训练,得到 1个较为理想的辐射源个体识别的网络模型,保证了在样本污染条件下,辐射源个体识别网络仍能具有较好的识别率。文章所提方法的识别率相比未经处理的数据集的识别率在标签错误率小于 30%时平均提高 3.3%;在标签错误率大于 30%时,也能使个体识别率达到 90%左右,验证了文章所提方法在对错误标签的识别和纠正上可以取得较好的效果。