基于场景识别的惯性基类脑导航方法

针对无人机导航中惯性器件产生的漂移误差不断随时间累积进而影响导航精度的问题,以仿生类脑导航为研究背景,提出了一种新的导航方法。与传统导航策略不同的是,该方法从周期性校正累积位置误差的角度出发,采用设置位置细胞节点的思路,利用训练好的卷积神经网络模型在细胞节点处进行图像匹配,从而在位置细胞节点处实现惯导位置漂移误差校正。同时,建立节点之间的漂移误差模型,调整误差方程系数,以达到修正漂移误差的目的。最后,基于无人机飞行实验结果验证了该方法对自主导航的有效性和鲁棒性,该方法能够有效提高无人机导航的精度。     

基于K-均值聚类与粒子群核极限学习机的推力估计器设计

鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。     

可降低气动热效应的类凹腔外形优化设计

针对飞行器上由凸起物形成的类凹腔气动加热问题,采用数值方法求解三维N-S方程,研究了类凹腔外形结构的高超声速气动加热规律,获得了三维高超声速流场和局部热流分布,并详细分析了局部的流场结构和气动加热机理。针对凹腔前壁面热流密度过高的问题,提出并验证了一种降低前壁面边缘热流密度的优化外形,将前壁面的热流密度降低至优化前的20%左右。     

基于多样性约束和离散度分层聚类的无监督视频行人重识别

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的,该方法需要手工标记大量的数据,代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类,然后结合类内间离散度进行从底向上的分层聚类,类间和类内离散度都小的类别将被优先合并,同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量,最后,利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明,相比于目前先进的无监督视频行人重识别方法,本文方法在性能上有一定的提升。     

一种含铰接动平台姿态类并联机器人的运动学标定

面向航空制造业大型零部件精确装配的重大需求,研究一种含铰接动平台姿态类并联机器人(4 PRS&H(R))的精度提升问题.首先,基于零件 部件 整机的装配思路,从零件加工设计与部件装配工艺来保证物理样件具有一定的基础精度,并借助区间理论,预估几何误差源对物理样机末端姿态精度的影响程度,其次,在精度预估的基础上,简化基于激光跟踪仪的误差参数辨识模型,然后结合物理样机实际装配精度和其结构的特殊性对测点进行规划,随后针对4 PRS&H(R)并联机器人开展运动学标定实验,激光跟踪仪检测结果表明,该机器人在运动学标定后沿α、β和γ三个转动方向的最大姿态偏差分别由0.195°、0.520°和2.089°降低至0.026°、0.044°和0.519°,且姿态偏差整体波动平稳,以此验证所述运动学标定方法的正确性和有效性.     

基于归并聚类中心思想的模糊聚类分析方法研究

基于归并聚类中心的思想,将全部样本作为初始聚类中心,以离差隶属度作为计算聚类中心的因素,用最大类间距离作为归并聚类中心的标准,进而确定出聚类的数目和最终聚类中心,得出聚类结果.通过实验数据的验证表明,本方法得出的聚类结果能够有效的反映出待聚类样本的真实情况,并且与待聚类样本的初始顺序无关,同时具有一定的抗噪能力.     

类Starship飞行器大迎角动态特性数值研究

再入飞行器的动态稳定性是其任务成败的关键因素,因此有必要对新型类Starship飞行器大迎角动态特性进行深入研究。为辨识动导数,采用基于分区弹簧近似法动网格技术的非定常N-S方程求解器开展强迫振动的数值仿真。有限体积离散采用Roe格式及SST湍流模型,时间方向采用全隐式GMRES方法进行迭代求解。在高超声速弹道外形（Hyper ballistic shape,HBS）标模验证的基础上,获得了类Starship飞行器典型大迎角状态下不同飞行马赫数、重心位置、操纵面偏转角、迎角和减缩频率的俯仰动导数变化规律：典型状态下,俯仰动导数超声速时为负,亚声速时为正;随不同因素的变化,Ma=0.3和Ma=5.0时的俯仰动态特性差异明显;高速下操纵面上偏会导致阻尼减小,且后翼影响更显著。计算结果表明了本文方法在宽速域、大空域复杂外形飞行器动态特性辨识中的应用价值。     

经纬仪测量图像中目标缺损区域的恢复

根据电子经纬仪序列测量图像的特性,充分利用缺损帧前后数帧图像的相关信息,采用C-均值模糊聚类技术,提出了一种测量图像缺损部分恢复方法,对恢复帧前后数帧进行聚类,并剔除噪声帧,采用有效聚类中心灰度值对缺损区域进行恢复。经试验证明：此方法恢复的目标区域图像准确,灰度变化平缓,不失真。     

基于改进主元分析的故障诊断方法研究

提出了一种主元分析与模糊聚类相结合的故障诊断方法,该方法首先用主元分析方法降维、提取故障特征,并计算出T2值和Q值,若超过阈值说明有故障发生,则用模糊聚类识别故障,具有诊断时间短、准确性高的优点.通过对田纳西-伊斯曼过程的仿真表明了该方法的有效性.