气动外形多点优化设计研究

将优化方法中的遗传算法与高精度的CFD分析方法相结合,并将其引入到气动优化设计中.在引入实数编码机制的基础上,将遗传算法与线性加权和法结合在一起,建立了可以处理多目标优化设计问题的遗传优化模型,并应用该方法进行了翼型的多点气动外形优化设计.设计实践表明,该方法是可行的.     

基于图像对的体视显示算法研究与实现

依据摄像机拍摄的左右两幅图像,按照提出的算法进行图像的矫正、重采样和图像对间的密集匹配,最后通过图像插补输出符合双眼特性的体视图像,试验证明插补后体视图像效果较好.     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

基于双边函数全局运动模型的海冰漂移监测方法

针对海冰漂移运动高精度监测需求,文章采用双边函数全局运动模型(BFGMM)方法,应用哨兵1号(Sentinel-1)雷达影像,对北极区域波弗特海域海冰漂移运动进行了分析。双边函数全局运动模型采用分段光滑函数进行全局性约束,通过模型拟合、函数平滑约束、匹配集扩展等过程,以最小化全局代价函数进行计算,从而实现海冰漂移图像的精确配准。试验结果表明:针对海冰漂移雷达影像特征点匹配精度在98%以上,同时能够实现大量的特征点的准确配准,算法精度较尺度不变特征变换(SIFT)方法显著提高。最后进行了波弗特海域局部区域海冰漂移运动监测,并分析了漂移速度矢量场的空间分布。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况,开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进,实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础,设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例,建立了太阳能电池阵列模型,开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验;基于"蒲公英I"飞行剖面,开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪,与萤火虫算法相比收敛时间更短、且功率波动幅度更小;采用改进萤火虫算法和状态机能源管理策略,在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

回转误差测试中系统噪声分离技术

高精度主轴的回转误差和测试系统的噪声常处于同一水平,这极大地影响了用频域三点法测量主轴回转误差的准确性。针对同步误差（SEM）,提出了对含噪声信号进行等角度采样重构、集合平均和小波滤波的组合降噪处理方法,提出了根据传感器和被测主轴直径定量确定小波分解层数的方法,经仿真实验证明其具有良好的去噪效果。针对异步误差（ASEM）,提出了消除测试系统噪声的方法,研究了圈数对异步误差测试结果的影响规律。此外,搭建了测试系统,验证了所提方法的有效性。      

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小,并且容易受到干扰,如果不能有效地提取出稳定的虹膜特征进行模式匹配,将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法,在虹膜注册端通过构建强特征分类器获得增强型特征模板,在虹膜识别端通过多样本特征映射融合提取稳定的特征样本,并根据风险预测自适应地确定分类阈值,然后进行特征匹配与虹膜分类,从而有效提高虹膜识别的准确性和鲁棒性。     

民用飞机燃油箱系统闪电防护分析方法研究

民机燃油箱系统的闪电防护是燃油箱安全的重要研究范畴,本文依据FAA的25-146号修正案和咨询通告AC25.954-1,介绍了民用飞机燃油箱系统闪电防护分析方法。在点火源防护分析思路的基础上,针对闪电引起的点火源,在明确飞机闪电分区后,可通过容错类设计或非容错类设计分别开展分析。针对容错类设计,可仅通过证明防护设计特征有效且可靠来表明符合性,无需进一步分析失效概率。针对非容错类设计,通过定性和定量分析法进行评估。在定性分析时,需评估非容错特征失效且引起点火源的概率小于1E-5。在定量分析中,可结合燃油箱可燃性、关键闪电和防护特征失效概率确保闪电引起燃油蒸气点燃的概率为极不可能。同时,根据闪电环境定义的电流振幅和波形对防护设计特征进行有效性验证。     

基于特征建模的空间非合作目标姿态智能测量方法

为实现空间非合作目标姿态的测量,基于特征建模的思想,提出了一种根据目标激光点云数据进行高效处理的智能测姿态方法.首先,针对空间目标姿态测量的需求,寻找并实现能够高效表征目标姿态的点云数据特征.接着,应用神经网络的方法对目标点云姿态特征进行学习,通过建立合理的神经网络模型和训练数据,实现目标点云特征与姿态间非线性映射关系的建立.最后,利用目标点云仿真数据集,对方法的测量精度和测量实时性进行了评估.实验结果表明：利用特征建模的思想,提出并建立目标点云姿态协方差矩阵特征,实现了点云数据在表征目标姿态方面的信息高度压缩,为神经网络模型的轻量化设计和计算资源严重受限的在轨应用,提供了可行的智能化工程实现方案.