复杂结构多裂纹扩展相互影响的研究

针对多传力路线复杂结构具有多个疲劳源、多条裂纹同时扩展且相互影响的特点,提出一种变柔度方法来考虑多裂纹间的相互影响,并设计专门的双孔板试验验证。应用该方法试算了多钉多层复杂接头全寿命,表明该变柔度方法在工程上是可行的。     

螺旋桨滑流与机翼之间气动干扰影响研究

基于多参考系方法,利用RANS方程对某型螺旋桨飞机的全机有滑流和无滑流空间流场进行了数值模拟,分析了滑流在机翼干扰作用下的发展趋势,机翼气动特性在滑流作用下的改变,滑流对飞机失速特性的影响。研究结果表明,螺旋桨旋转卷起的涡流经机翼时被切割成上下两部分,形成了绕机翼的横向二次流,机翼的存在改变了滑流的涡量分布和涡的结构。在弦向,滑流影响最严重的部位是机翼前缘,滑流旋转效应改变了机翼绕流的当地迎角,加速效应增加了桨后气流的速度,这是引起机翼气动特性改变的主要原因。虽然滑流的诱导作用使机翼外段提前发生了分离,但是其推迟了机翼根部分离现象的发生,改善了飞机的失速特性。     

基于交互式多模型的红外／雷达低小慢目标跟踪算法研究

研究了基于交互式多模型（IMM）的低小慢目标跟踪问题。基于低小慢目标运动特征的分析,以及目标匀速（CV）直线、匀加速（CA）直线、曲线飞行航迹模型,给出了目标跟踪的IMM算法及其流程。仿真结果表明：该算法能稳定精确跟踪低空目标。     

利用一次雷达实现低空空域的安全监视

介绍了一种低成本的低空空域雷达监视实验系统,并提出了一种基于雷达平面位置指示(PPI,Plane Position Indicator)图像的目标检测与跟踪算法,其中杂波抑制和目标状态估计是两项关键技术.经过背景差分的雷达PPI图像,仍然含有大量的背景边缘杂波,该算法利用其空域特性进行杂波抑制,并采用交互式多模型(IMM,Interactive Multiple Models)方法对目标的匀速、加速、减速、转弯等机动运动进行跟踪.详细分析了仿真数据的跟踪效果,并将整套算法应用于两组实测PPI图像,实验结果说明其有效性.     

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

一种基于证据距离的多分类器差异性度量

 多分类器系统因其能够显著提升分类精度而引发了广泛关注。多分类器系统中各子分类器间的差异性是提升融合分类精度的先决条件。提出了一种基于证据距离的分类器系统差异性度量,同时基于该度量提出一种多分类器系统构造方法。综合了既有差异性度量、所提新差异性度量以及在训练样本集上的分类性能等多个指标,实现了多分类器系统的有效构造。实验结果表明,所提差异性度量及多分类器系统构造方法是合理的,能有效提升融合分类精度。     

P码直接捕获算法的设计及资源优化

针对P码直接捕获消耗资源较多的问题,提出了一种资源优化的方法。该方法在检测概率、虚警概率和捕获时间满足系统要求的约束下,对存储资源、乘法器资源与逻辑资源进行多目标的优化,并通过兼容FFT快速捕获法与延迟相乘法的特点,能够自由地分配时域与频率搜索的并行度,因此该方法能够适用于各种形状的二维不确定域搜索任务,更有效地对资源消耗进行优化。     

星图运动模糊及其复原方法

研究了载体角运动及振动对星敏感器成像的影响,推导并建立了不同飞行状态下星图模糊的数学模型.在此基础上讨论了多重运动模糊机理,提出采用分步复原方案去除多重星图模糊,以保证高动态环境下星敏感器工作的精确性及稳定性.仿真结果表明,载体运动造成的星体质心提取误差与具体运动形式及参数有关,并通过比较复原前后星敏感器的定姿效果,验证了模糊星图分步复原方法的有效性.      

基于预警卫星系统的临近空间飞行器跟踪

系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。