基于面部视频分析的生命体征检测

在面部视频中提取生命体征相关的生理信号时易受环境光和受试者头部运动的影响,为了降低外界干扰并提高生命体征检测的准确度,提出了一种联合集合经验模态分解（EEMD）算法与信号质量检测的面部视频分析方法,用于精确检测人体的心率与呼吸频率等生命体征。通过公开数据集进行实验验证,实验结果表明,所提方法相较于目前已有的常用信号处理方法能够得到更精确的心率与呼吸频率的估计值,所得估计值与标准值的相关系数分别高于0.9和0.8。同时,所提方法将为实时活体人脸识别提供一种思路,也有助于丰富监控视频智能分析的应用研究。      

基于最大似然估计的TDOA/FDOA无源定位偏差补偿算法

在到达时差/到达频差(TDOA/FDOA)无源定位系统中,定位问题的非线性使得定位的结果存在偏差,特别是在噪声较大或者接收站布站不合理的情况下,定位的偏差尤其显著。针对这一问题,提出了一种基于最大似然估计的偏差补偿算法。该方法分为3步:首先,利用最大似然估计器对目标的位置和速度进行求解;其次,通过利用目标定位的估计值和含噪的测量值,对目标的位置和速度偏差值进行理论分析和推导;最后,将最大似然估计解减去理论偏差值,得到经过偏差补偿的新的目标定位解。理论分析和实验仿真证明,在一定噪声的情况下,所推导的目标位置和速度的理论偏差值与实际偏差值相符,并且经过偏差补偿后的定位算法,在保持目标定位的均方根误差(RMSE)与原最大似然算法一致的情况下,目标的位置和速度偏差值远远小于原最大似然算法的偏差值,目标定位精度得到了有效的提高。     

涡扇发动机故障诊断中粒子滤波改进方法

针对标准粒子滤波算法诊断步数多且诊断结果噪声水平高的问题,提出伪协方差和自适应似然分布结合的改进粒子滤波算法。该算法通过使用伪协方差代替了粒子集协方差,保证采样得到的粒子能够更真实地反映突变情况,减少诊断步数;通过对似然分布自适应调整,增加其与先验分布的重叠区域,提高抽样率,增加有效粒子数,降低诊断结果噪声水平。发动机健康参数估计仿真结果表明:与标准粒子滤波算法相比,改进的粒子滤波算法能使诊断速度提高约27%,诊断精度提高约38%,有效地减少了突变故障的诊断步数,并显著降低了诊断结果的噪声水平。     

轴向旋流器几何对回流区的影响

采用FLUENT软件对单级轴向旋流器进行冷态流场数值模拟,研究中改变了多种旋流器几何结构参数,获得了回流区尺寸与强度的变化规律,拟合了计算回流区长度的经验公式.通过与实验结果比较发现:所发展的回流区特征参数经验公式能够较准确的估算回流区长度,误差不超过5%;回流区长度随旋流数及扩张比的增大而减小;回流区宽度随扩张比的增大而增大;回流区涡心截面的回流比受旋流器几何参数影响比较复杂;存在临界文氏管扩张角为43°,回流区形态在临界角两侧有很大差异.      

高超声速飞行器组合导航鲁棒滤波算法

高超声速飞行器由于其飞行环境的影响,使得GPS和星敏感器的量测噪声表现出非高斯特性。针对常规基于Kalman滤波的组合导航在非高斯噪声下性能下降的问题,提出了基于鲁棒滤波的高超声速飞行器组合导航算法。方法在惯性／GPS／＆异步量测建模的基础上,通过随机去耦将量测更新转化为线性回归问题,并基于M估计获得状态量最优估计。仿真结果表明,方法对非高斯噪声具有更好的鲁棒性,有效提高了高超声速飞行器组合导航系统的性能。     

雷达罩的综合优化设计

在分析对比现有的雷达罩设计方法基础上，针对某型直升机机栽雷达罩，研究了雷达罩设计过程中的基本问题、关键技术和综合优化设计方法，运用三维射线追踪法进行了计算机辅助设计，给出了布设防雷击部件的经验公式，讨论了吸波材料选择与喷涂的基本准则。电测结果表明：加罩后的功率传输系数、反射瓣、雷达辐射特性等指标的实测数据与计算值符合较好，满足了设计要求。     

常重力及微重力下液氢膜态沸腾换热预测

以液氢膜态沸腾换热为对象,收集并分析文献中涉及液氢膜态沸腾换热的实验数据。通过充分的对比研究,考核3种典型关系式针对液氢膜态沸腾换热预测的适用性与预测精度,建立可预测微重力下液氢膜态沸腾换热热流密度的数学关系式。研究发现:在地面重力下,加热面几何结构、朝向似乎不会对沸腾换热热流密度产生明显影响,均可采用Breen & Westwater公式预测其传热系数;而重力水平会对膜态沸腾换热产生较大影响,且不同重力下换热热流密度之比与重力比之间满足幂指数的关系;依据该关系式可以求解微重力下液氢的膜态沸腾换热热流密度,预测误差控制在15%以内。      

精益技术在维修上的应用

改变了飞机生产线的精益技术正在维修产品上找到新的应用,可大量节省修理时间。一架美国陆军的AH-64阿帕奇直升机经过在伊拉克长达1年的服役,机上的弹孔多是草草打上补丁     

利用重要性采样的时差-频差联合估计算法

针对无源定位中参考信号真实值未知的时差(TDOA)-频差(FDOA)联合估计问题,构建了一种新的时差-频差最大似然(ML)估计模型,并采用重要性采样(IS)方法求解似然函数极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本加权均值得到估计值,克服了传统互模糊函数(CAF)算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化(EM)等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗下界(CRLB),并通过仿真实验表明,算法的计算复杂度适中,估计精度优于CAF算法和EM算法,在不同信噪比条件下估计误差接近CRLB。     

EEMD与NRS在涡桨发动机转子故障诊断中的应用

针对涡桨发动机转子系统振动信号的非平稳特征,提出一种基于集成经验模态分解(EEMD)与邻域粗糙集(NRS)的涡桨发动机转子故障诊断方法。该方法先对转子振动信号进行EEMD,提取原始信号的时域特征和多尺度排列熵(MPE)特征,转子系统的大部分故障信息隐藏在前几个高频本征模态函数（IMFs）中,分别计算它们的时域指标、能量特征和奇异值分解(SVD)特征;利用NRS评估各个特征的属性重要度,进而选出敏感特征;将其作为支持向量机(SVM)的输入向量来对转子进行故障诊断。实验结果表明:该方法利用敏感特征集对涡桨发动机转子进行故障诊断的准确率达到了97.5%,同时剔除了大量冗余特征,具有较强的鲁棒性。