基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

一种求解D-S诊断识别框架方法

利用D-S证据理论进行故障诊断时,首先需准确地确定出诊断识别框架,这是D-S故障诊断的先决条件.在导弹武器等复杂系统中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取诊断识别框架的困难.为此,提出了一种求取复杂系统的D-S诊断识别框架方法.首先,基于基本诊断模型,给出了诊断贝叶斯网络模型.以及求解诊断贝叶斯网络模型的方法;然后,给出了征兆集合等概念以及求解故障识别框架的方法;最后,通过示例验证了方法的正确性.     

基于转角振型曲率的损伤识别

利用中心差分法求取振型曲率,用损伤前后同一位置的振型曲率变化来作为结构损伤的识别指标。采用有限元方法,通过数值仿真对不同位置发生损伤的悬臂梁进行分析,利用构造的的损伤指标对结构损伤情况进行识别研究。在前人的研究基础上,特别提出了利用角度位移振型曲率变化来识别损伤。仿真算例表明:利用角度位移振型比平动位移振型识别损伤的效果更好、精度更高。     

基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。     

跨音速压气机中的涡结构与失速机理分析

将一种新的涡识别方法应用于压气机流场的分析.该方法采用应变率张量和旋转张量的第四不变量,具有在识别流场中涡的存在的同时,分析该处涡处于拉伸(生成)或松弛(溃灭)状态的能力.通过将该方法与传统的动压头和流线、速度矢量等分析方法的结合,本文对所研究的跨音速压气机的失速过程进行了分析和讨论.     

基于射频指纹的测控地面站身份识别方法

卫星测控信道具有开放性特点,第三方容易截获测控信号,并通过特定信号分析手段获得通信编码体制甚至密钥,严重危害测控安全.为增强卫星的测控安全性,提出了一种基于射频指纹的测控地面站身份识别方法,即提取测控信号的射频指纹来验证测控指令是否来自于合法用户.使用卷积神经网络从21台发射机的变功率信号中识别特定发射机,识别精度高达...     

基于动态贝叶斯的反舰导弹弹型识别

使用反舰导弹对舰艇进行饱和攻击是当前对舰攻击的主要方式。首先,提出了动态贝叶斯网络(DBN)的理论及算法;其次,根据反舰导弹的高度、速度、过载、机动方式等弹道特性和RCS、雷达频率等导弹自身特性,建立了对反舰导弹进行弹型识别的DBN模型;最后,通过仿真算例验证了DBN模型的有效性,这为实际解决反舰导弹进行弹型识别的问题,提供了一种思路。     

基于结构动力学特性的损伤识别方法

基于等效模态应变/动能理论,提出了一种利用实际结构的测试数据识别结构中损伤位置的方法。在此基础上,研究了利用模型修正技术识别结构中损伤强度的方法。分别以一个单损伤平板结构和多损伤平板结构为例,通过仿真分析了以上方法的有效性。结果表明,以上方法可以有效识别结构中的损伤位置和损伤强度。     

空中加油系统的建模与控制技术综述

空中加油已经成熟应用超过半个世纪,但其建模与控制技术仍是航空界的研究热点与难点之一。综合大量文献,回顾了空中加油的发展历程和战略价值所在,比较研究了2种加油方式各自的优劣,总结了近年开展的系统建模和控制相关的研究成果。基于硬式加油与软式加油的功能互补之效,提出了借助研制大型运输机的契机发展硬式加油技术的观点。通过研究国内已经开展的相关工作及其不足之处,论证了开展系统建模与控制专项研究的必要性与积极意义。结合硬式加油系统的特点,提出了建模时应该综合考虑系统多刚体、多构型、强扰动与不确定性、受弹性形变与弹性振荡影响等特点,并提出了与之对应的伸缩管姿态控制、对接状态应力自动补偿、对接过程协同控制、抑制弹性振荡影响、半物理实验平台开发等关键问题。     

视觉手势识别技术在航天虚拟训练中的应用研究

针对我国载人航天地面虚拟组装训练需求,研究了基于Kinect的视觉手势识别技术,提出了一种使用深度信息进行手势检测及分割的方法,采用手势图像轮廓曲率分析方法进行指尖检测,并结合Kalman滤波稳定跟踪指尖;同时自定义了几种组装所需的手势,根据图像的指尖特征进行特定手势识别。结合OpenNI、Nite和OpenCV,最终在VC2010环境下实现了航天虚拟组装训练系统。实验结果证明,该手势识别方法识别率较高,鲁棒性好,可应用于载人航天虚拟组装训练。