网格简化中基于特征矩阵的二次误差测度算法

针对二次误差测度算法存在尖端特征消失、局部过度简化等缺陷,提出了基于特征矩阵的二次误差测度算法用于网格简化.通过将顶点曲率和边长引进该特征矩阵以优化误差度量,模型中各顶点便易于区分,于是具有明显几何特征区域的顶点误差度量能够被提高.这样,边折叠的顺序可以方便的得到调整,使得模型中的突出特征更多的被保留下来.仿真结果表明,本算法在保持了二次误差测度算法计算时间短、运行效率高的同时,也克服了网格分布过于均匀、无法突出模型重要特征的缺点.     

制导系统工具误差的自适应估计

本文研完惯性制导系统工具误差的自适应估计问题。运用自适应技术,这是解决制导精度鉴定问题的一个新的尝试,文中对仪表的误差模型给出了动态补偿,并给出了误差系数的递推估计。对模型中随机量的统计特性应用了自适应技术,并对岭回归引入了自适应估计,对滤波过程中模型的辨识及估值中偏倚的补偿,进行了讨论。     

星光折射导航星的改进三角识别捕获

高精度星光折射间接敏感地平的自主导航方法,目前被国内外尤为关注。本文通过对星光折射导航观测对象———导航星捕获的研究,采用了改进的三角匹配算法并结合恒星星表,确定出导航观测星星光方向,同时依据对飞行器在轨观测星的几何关系推导,利用Unscented卡尔曼滤波算法确定航天器的在轨位置和速度。该方法能比较真实地模拟飞行器实际在轨的导航情况。仿真表明,真实星表导航精度大于人造星场;通过比较导航系统捕获20,40,60,80颗折射星的4种情况,可知捕获到的导航星的数量越多,导航精度也随之提高。     

基于飞轮控制的空间机器人质量参数辨识

针对空间机器人进行在轨辨识时存在精度不高、燃料消耗较大等问题,提出了基于飞轮控制的在轨辨识方法,可以有效地解决辨识时存在的问题。该方法采用飞轮控制作为激励方式,通过改变机械臂的构型使整个空间机器人系统的质量分布发生变化,分别测量构型改变后的角速度和线加速度,以计算出基座本体的质量、质心和转动惯量。此外,分析了机械臂与本体的质量比对辨识精度的影响。仿真结果表明,本文的方法可操作性强、精度较高,燃料消耗较小,可以应用于空间机器人的在轨辨识中。     

宇航压力容器表面裂纹的断裂判据

用非线性线弹簧模型,对含有表面裂纹的球瓶破坏性实验结果进行了弹塑性断裂力学分析。讨论了对宇航薄壁压力容器表面裂纹建立安全评定标准的必要性。采用线弹性断裂力学分析方法可能给出危险的结果。将J_(m.d.p)=J_(IC)作为宇航压力容器表面裂纹弹塑性断裂的判据,具有准确,简便的优点。     

花岗石锯切状态的识别与评估控制策略

针对目前国内花岗石锯切加工的现状,指出以锯切工作状态规范锯切作业是实现花岗石高效低耗锯加工的关键,明确提出了石材锯切时单颗磨粒最佳干涉切深的概念,生产现场的锯切跟踪试验和锯切表面断口形貌的显微分析表明材质不同的各种花岗石都明显生存一个单颗磨粒干涉切深的最佳范围,在该范围内包切不仅可以获得高的材料去除率,同时还可确保金刚石锯片有高的使用寿命,本文提出的有关锯切状态的识别与调控方法的创新构想和建议,对     

基于递推傅里叶变换的飞行器参数在线辨识方法

在线辨识在现代飞行控制系统设计中扮演越来越重要的角色,飞行器模型的在线更新使得人们可以采用更智能的控制方法。基于计算精度和速度的考虑,在线辨识方法通常以递推方式进行,主要分为时域和频域两大类方法。在建立飞行器系统模型结构的基础上,利用频域递推傅里叶变换及最小二乘方法,实现对气动及控制偏导数的在线辨识。针对某飞机纵向通道的在线辨识仿真验证该方法有效,且计算速度和收敛速度快,辨识结果与参数真实值之间的一致性好,方法对传感器噪声有较强的适应性。最后,分析比较了各种典型激励信号对辨识结果的影响,为进行实际在线辨识试验提供了参考依据。     

刚架模型驱动网格曲面保特征变形

将刚架结构受力变形原理应用于网格曲面的变形设计中,提出一种新的曲面造型方法。通过建立与网格拓扑关系一致的刚架模型,运用刚架模型驱动网格曲面变形:即对刚架节点施加载荷或添加几何约束反算出刚架节点载荷,在载荷作用下刚架变形驱动网格曲面变形。针对几何约束变形问题,建立以节点位移为变量,由载荷最小和节点位移最小组成的目标函数,组合使用两种不同的最小化模型,实现不同的变形需求。在变形过程中,采用增大网格曲面特征区域所关联单元体弹性模量的方法,达到整体变形中局部形状特征的保持,避免了传统方法中繁琐的特征信息记录公式。实验结果表明,该变形方法直观方便,可以产生理想的变形效果。     

改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。