面向遥感应用的图像融合的原理和方法

信息融合技术可以综合利用多源信息 ,从而获得对同一事物或目标的更客观、更本质认识。由于遥感是目前为止能够提供全球范围的动态观测数据的唯一手段 ,遥感图像信息融合对于航空、航天、军事侦察、灾害预报等很多军事及民用的领域至关重要。本文给出了面向遥感应用的图像信息融合的原理和过程 ,然后综合分析了不同方法的特点。进而在指出其存在的问题的同时 ,还对未来的发展趋势进行了展望。相信本文的工作 ,将为促进相关领域的研究和发展有一定借鉴作用。     

模态参数识别的特征系统实现算法:研究与比较

以 GARTEUR飞机模型的飞行颤振和地面共振试验为例,对模态参数识别的特征系统实现算法的4种变形特征系统实现算法(ERA)、快速ERA(FERA)、相关ERA(ERA/ DC)和快速相关ERA(FERA/ DC),进行了深入的理论分析和仿真研究。结果表明:与ERA相比,ERA/ DC的阻尼识别精度在10%和30%噪声下可以提高6～60倍;FERA的识别速度可以比ERA提高4～1 0倍,且精度较高;而FERA/ DC的识别速度可以比ERA/ DC提高 3～5倍,并且精度不会降低。     

利用互相关差分模型在环境激励下提取模态参数

对于一些大型结构,难以采用人工激励进行模态识别,只能利用环境激励信息,单独从响应数据提取模态参数。针对这一实际情况,首先从经典差分模型入手,推导出了环境激励下的多参考点互相关差分模型,然后分别采用增广矩阵法和多项式特征值法求解模态参数。最后采用一飞机模型对多参考点互相关差分模型法进行了试验验证,并且将2种求解方法得到的结果进行了比较。结果表明,多参考点互相关差分模型能够有效地进行环境激励下的模态识别,并且多项式特征值法比增广矩阵法所得结果更好。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

基于动态RBF网络的发动机起动过程模型辨识

针对航空发动机在起动过程中各截面气流处于亚临界状态 ,难以利用传统的气动热力学方法进行建模的问题 ,本文利用发动机地面试验数据作为学习样本 ,采用动态径向基 (RBF)神经网络的方法 ,建立了航空发动机起动过程动态模型。仿真结果表明 ,利用该方法建立的发动机模型具有动态性好 ,精度高的优点 ,开辟了发动机中小转速建模的新途径     

细长旋成体大迎角绕流的背涡结构与压力脉动特性

在亚临界流动范围内,通过尖拱细长旋成体在无侧滑状态下的脉动压力测量,对大迎角下细长旋成体非对称背涡结构沿轴向的压力脉动特征进行了研究分析,揭示了压力的脉动幅度与频率沿旋成体轴向的变化规律及其与背涡结构之间的对应关系,并对压力脉动特征沿轴变化的原因进行了初步探讨.     

某型发动机高原起动过程数学模型建立

针对某型发动机高原起动过程具有危险性大和变化规律复杂的特点,提出了一种变记忆长度的小波变换多分辨分析方法。该方法将辨识的数据分解到不同频段,然后针对各不同频段采用不同的记忆长度进行辨识,从而可以建立起该型发动机高原起动过程的数学模型,为高原起动试验提供理论参考。      

超声速平头圆柱绕流DSMC/EPSM混合算法研究

本文将EPSM算法与DSMC方法结合，构造了可模拟含近连续流区及过渡流区的DSMC／EPSM混合算法。运用混合算法模拟马赫数等于5．37时超声速平头圆柱绕流，并与DSMC结果进行比较，证明了DSMC／EPSM混合算法的有效性，并对两种算法的计算效率进行了比较。     

抗荷阀-抗荷服系统动态模型结构研究

 通过理论分析和系统辨识方法研究了 4种不同型式抗荷阀—抗荷服系统的动态响应特性 ,分别建立了机械式、混合式和电磁式抗荷阀—抗荷服系统的动态模型 ,并说明了三者模型结构之间的内在联系。     

基于LMI的一类非线性离散动态系统的鲁棒故障诊断

 针对一类非线性不确定离散动态系统 ,提出了一种新型鲁棒故障诊断方法。该方法不但能够对被诊断系统进行故障检测 ,而且同时能够实现故障的分离和辨识。它首先通过构造一个辅助系统 ,将故障的辨识问题转化为min max问题 ,并且通过巧妙设计辅助系统的输出增益矩阵 ,使得辅助系统与被诊断系统的状态差值方程和输出差值方程稳定 ,然后将min max问题转化成LMI问题 ,最后通过求解LMI问题来实现故障诊断。分析了故障诊断方法的鲁棒性、灵敏度和故障的辨识误差。仿真结果验证了该方法的有效性。