民用飞机维修间隔优化调整方法研究

航空公司对服役后飞机的初始维修大纲进行优化调整,是为了在保证安全性与可靠性的同时降低维修成本,而优化调整的实施往往基于航空公司针对每个MRB维修任务所报告的服役数据来进行.为了提高服役数据的评估质量,在理论研究和大量工程实践的基础上,建立了相应的分析流程及计算模型,用以辅助维修任务时间间隔调整的决策.     

质疑爱因斯坦的光速不变假设和时间变换式

爱因斯坦的光速不变假设违反相对性原理,他的洛伦茨变换中的时间变换式是错误的。
     

爱因斯坦光速不变假设的判决性实验检验

爱因斯坦光速不变假设的判决性实验检验是在中国科学院国家授时中心的高精度TWSTT（双向卫星时间传递）设施上完成的。实验检验的原理是基于狭义相对性原理和单程光（电磁）信号同时性定义。检验原理通过对比单程光信号同时性定义和双程光信号同时性定义的测量机制证明：在有相对运动的情况下双程光信号中的“往”和“返”两个单程信号通过的时间是必然不相等的。在本文报告的检验实验中西安临潼观测站和乌鲁木齐观测站的铯原子钟分别通过鑫诺卫星和中卫一号卫星进行双向时间传递。观测数据证明卫星和地面站之间存在1m／s量级的相对速度会造成西安临潼站和乌鲁木齐站之间“往”和“返”两个单程信号通过的时间差在1.5ns量级。观测结果的不确定度在±0.01ns量级。爱因斯坦1905年以定义方式引进的等式,tB-tA=t′A-tB,在有相对运动情况下不成立。     

Rao-Blackwellized粒子概率假设密度滤波算法

针对多目标跟踪（MTT）,提出一种新的基于随机集的滤波算法,称为Rao-Blackwellized粒子概率假设密度滤波算法（RBP-PHDF）。算法运用Rao-Blackwellized思想,通过挖掘分析“混合线性/非线性模型”的结构,采用序列蒙特卡罗（SMC）方法预测与估计概率假设密度（PHD）迭代式中各个目标的非线性状态,并利用非线性状态粒子中包含的信息,使用卡尔曼滤波器（KF）对线性状态进行预测与估计。以更好地估计PHD进而提高各目标状态估计精度。分析与MTT仿真的结果表明,在相同的仿真条件下,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,RBP-PHDF在降低粒子维数、减少计算量的同时,有效提升了估计精度。     

两参数威布尔分布模型多重模糊假设检验的贝叶斯方法

模糊假设检验是统计决策中处理模糊概念的一种非常重要的情形。对于两参数威布尔分布尺度参数的多重模糊假设检验,文章在样本为清晰数据的情形下,研究了多重模糊假设检验的贝叶斯方法并给出了数例。     

基于均方根容积粒子的SMC-PHD算法

传统的序贯蒙特卡罗概率假设密度(SMC-PHD)算法采用状态转移密度作为重要性采样函数.当目标非线性运动时,少数粒子将具有较大的权值,导致估计精度低、结果发散.针对上述问题,提出了一种基于均方根容积卡尔曼滤波(SCKF)和统计门限技术的重要性采样函数设计方法.在重要性采样函数估计时,首先利用SCKF对重要性采样函数的均值和协方差阵进行预测,而后利用统计门限技术提取与重要性采样粒子相关联的量测.通过相应的权值对所提取的量测进行合并,更新重要性采样函数的均值和协方差阵.在此基础上将设计的重要性采样函数应用于SMC-PHD的强度预测和更新,最终实现多目标状态和数目的估计.实验表明,本算法在非线性多目标跟踪中具有精度高、估计结果稳定的优点.      

多普勒盲区条件下的改进粒子滤波跟踪算法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于多假设运动模型的改进粒子滤波跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个可能的运动模型,粒子在每个模型下再进行带有状态约束的更新,当新出现的量测值落入任何一个运动模型形成的粒子云内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,能够实现目标的连续跟踪。     

交互多模型PHD滤波跟踪多目标方法

在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度（PHD）滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。     

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

“定黏假设”对伴随系统求解和梯度精度影响

“定黏假设”的引入能简化伴随方程的推导及流场求解器的子程序微分过程,但同时会引起灵敏度计算误差,有时甚至导致求解的不稳定性。为了探讨层流和湍流黏性系数对伴随灵敏度计算精度的影响程度,分别研究了3种不同定黏方法：冻结层流黏性系数方法(FLV),冻结湍流黏性系数方法(FEV)和同时冻结层流及湍流黏性系数方法(FLEV)。首先基于代数形式的主方程和目标函数详细推导了完全湍流及3种不同定黏方法所对应的伴随方程;然后介绍如何利用自动微分软件开发相应离散伴随求解器并给出流程图;最后以跨声速NASA Rotor 67为研究对象,通过与线化求解器和完全湍流伴随求解器的结果进行对比,分析研究不同工况(最高效率点及近失速点)下“定黏假设”方法对离散伴随系统求解稳定性、灵敏度收敛性、灵敏度精度及残差的渐近收敛率的影响。