复合材料防弹板性能小样本分析

二维配对升降法小样本统计分析方法可在较少的试验量下,获得高可靠度的结果.在靶试数据基础上运用该统计方法,推导出三种复合材料防弹板在确定置信度和一定穿透率下的临界穿透速度、最小全穿透速度和最大不穿透速度,以及一定未穿透概率下的临界面密度.得到三种防弹板的穿透率—着速关系曲线.      

样本量对空间碎片测距精度的影响

日益增多的空间碎片严重威胁着在轨航天器的运行安全,对空间碎片的监督与防御逐渐引起了关注。高重复率激光测距技术为空间碎片测量提供了有效手段。激光脉冲的高重复率意味着大样本量。而在满足精度要求下,对样本量需求的研究较少。本文基于高重复率取样,研究了样本量对测距精度的影响,并得到了满足精度要求的最小样本量。首先,将空间碎片的轨道根数作为先验信息对测量数据进行预处理。通过多项式拟合和迭代获得有效样本点,逐渐减少样本量,绘制精度随样本量的变化曲线。从精度曲线变化阈值中可以获得最小样本量,可以此选取激光测距系统激光发射重复频率。对一些空间碎片的测距实验结果表明,有效样本量可以获得30%—60%的降低。     

基于小样本的试验系统可信度评估方法

针对小样本试验数据信息匮乏、难以利用概率统计方法进行可信度评估的问题,将重抽样方法与小样本区间估计方法相融合,提出了小样本试验系统新型可信度评估方法。利用重抽样理论,获取多个具有相同样本量的相似小样本。根据灰色系统理论,提出了改进的灰色置信度及置信区间的定义及计算方法。并在此基础上通过求公共区间的方式计算原小样本数据的灰色置信区间。该置信区间在相同的置信度下,区间宽度更窄,精度更高。通过算例仿真,验证了上述方法的合理性、有效性,对工程试验中的小样本数据系统评估提供了一定的方法指导。      

小样本理论在航空发动机研制费估算中的应用

研究了小样本理论中的偏最小二乘法在航空发动机研制费估算中的适用性,系统收集了国内10余种军用涡喷/涡扇发动机的技术性能和研制费数据,选取涡轮进口温度、军用耗油率、发动机军用推力、发动机加力推力、发动机推重比、发动机净重、总增压比、空气流量、翻修寿命、原型机数量、完成时间等技术参数,将小样本理论中的偏最小二乘法应用于军用航空发动机研制费估算模型的研究,形成了基于主要性能指标的军用航空发动机研制费参数估算模型,并建立了军用航空发动机研制继承系数的概念.计算结果表明,该模型较国内其他已有模型的精度有所提高,达到了10%,可以应用于我国航空发动机研制费的快速估算.     

基于PCA和WPSVM的航天器电特性识别方法

针对航天器电特性监测系统识别过程中存在测试数据量大、特征维数高、样本少、计算速度慢和识别率低等问题,提出基于主成分分析(PCA)的特征提取和加权近似支持向量机(WPSVM)的在线故障诊断方法.实现了对信号故障特征的主成分分析、选择和提取,并对高维特征数据实现了降维,提高了航天器电特性在线故障诊断的准确性和速度.针对PCA中的结果选取问题,提出运用数据贡献度阈值进行数据截取的方法,有效地保证了数据的有效性与一致性.结果表明:该方法充分利用了航天器电特性监测系统的有用数据特征,有效提高了识别的精度,且计算时间较短,效率较高.      

M.Shinozuka方法在风荷载模拟中的应用

通过分析现有的风荷载数值模拟方法,认为M.Shinozuka方法得到的脉动风荷载样本的统计特征值能较好的符合理论值。系统阐述了这种方法的分析过程,其中涉及到脉动风压规格化功率谱的推导以及脉动风荷载功率谱的计算。采用MATLAB可以方便有效的进行编程,其中的矩阵函数能够容易的实现Cholesky分解以及随机数的求取等。     

直升机旋翼磁流变阻尼器样件仿真和试验验证

基于一种线圈内置剪切阀式磁流变阻尼器结构,设计了一种全尺寸旋翼磁流变阻尼器结构,并将结构参数与磁路参数进行关联,提出了一种基于活塞组件结构的磁路结构参数仿真优化方法.基于改进的Bingham模型,建立了该全尺寸旋翼磁流变阻尼器参数化阻尼功计算模型.研制了全尺寸旋翼磁流变阻尼器样件,开展了性能试验与试验验证技术研究,研究...     

突发通信系统中的OFDM同步技术研究

在突发通信中,要求系统的同步能够达到快速准确,以便通信的顺利进行。文章针对应用于突发系统中的OFDM的同步问题做了深入研究,分析了系统中主要存在的三种同步:符号同步、样值同步以及载波同步的原理,并给出了具体实现算法。仿真结果表明,所给出的方案是可行的。     

高速A/D变换器的电路设计

本文介绍了用常见的中、小规模集成电路设计成高速 A/D 变换器。同时又利用了它的并行传输数字量的速度大大于它本身变换速度的特点,设计了两路在时序上采用相差半个周期来对输入模拟信号交替采样,使 A/D 变换器变换速度达到1MHz 以上。线路实验证明该设计是正确的,实验结果是理想的。并有广泛的使用价值。     

结合核相关滤波器和深度学习的运动相机中无人机目标检测

针对无人机与相机快速相对运动造成的运动模糊问题，以及小型无人机外观信息缺失和背景复杂造成漏警和虚警问题，提出了一种新的无人机检测-跟踪方法。针对成像尺寸小于32像素×32像素的无人机目标，提出改进的多层特征金字塔的分类和目标框回归器作为目标检测器，克服漏警。利用检测结果初始化基于核相关滤波的目标跟踪器，并持续修正跟踪结果，跟踪结果为剔除检测器虚警提供依据。在跟踪过程中，引入对观测场景纹理自适应的相机运动补偿策略实现目标重定位。多场景下的实验结果表明：提出的方法在对高速运动小目标的检测和跟踪指标上显著优于传统方法，且运动补偿机制的引入进一步增强了方法在极端复杂场景下的鲁棒性。