凸轮弹性连杆复合机构的动力学修改

本文以胶印机递纸机构为研究对象,该机构为一两自由度凸轮连杆复合机构。在建立该机构运动弹性动力学（ＫＥＤ）有限元分析模型和现场袂测固有频率的基础上,提出了一种利用实 固有频率数据修正复合机构有限元动力模型的方法。其基本思想是利用机构各个运动位置上的固有频率实测值与有限元模型的计算值之间的加权误差建立目标函数,然后利用优化方法使目标函数极小化,从而求出有限元模型参数的修正值。计算结果表明该方法是简便有     

语音模式中基于启发式搜取的快速匹配算法

语音模式匹配是语音识别技术的关键步骤之一。本文介绍了如何运用SA算法实现语音模式的快速匹配的思想。SA算法与传统的动态时间弯变(DTW)算法相比较具有计算量大大减少而系统识别率几乎不降的特点。     

数据融合在纹理识别中的应用

在室内无线通信模型的优化中,需要区分不同的墙壁对象.而对于室内墙壁的图像可以看作是纹理图像.尝试利用数据融合的方法对这些纹理图像进行识别.实验结果表明,数据融合的方法对相似的纹理图像具有较好的识别效果.     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。     

A Nonlinear Sub-grid Scale Model for Compressible Turbulent Flow

本文采用直接过滤的Navier-Stokes方程组作为可压缩湍流大涡模拟控制方程组。方程组中因过滤产生的高阶相关项用Taylor级数展开近似,但仅保留级数的一阶导数项。这样产生的误差相当于丢失了模型的部分耗散作用,本文用一种动力学非线性亚格子模型来补偿丢失的耗散影响。本文根据Caylay-Hamilton定理导出了一个非线性亚格子模型,模型中包含的系数由动力学模式确定。与传统的动力学Smagorinsky模式相比,这种动力学非线性模型(DNM)稳定性更好,且不需要在统计均匀方向进行统计平均来计算模型系数,因此减少了计算开销。本文用这种非线性亚格子模型对绕双椭球高超声速湍流进行了模拟,并将所得结果与实验值、计算值及理论值进行了对比。结果表明,本文模型可以有效地模拟可压缩湍流流场。     

基于断言的形式验证方法应用研究

针对模型检验算法在工程应用中面临的形式语言局限性和状态空间爆炸的危机,提出了基于断言的形式验证解决方案。通过对DW8051_timer模块的实际验证,说明了该方法可以简化模型检验算法在工程实践中的应用,并且与传统仿真方法相比,它能在一定程度上缓解航天领域数字系统设计中的验证困境。     

浅析航天型号计量保证工作

计量保证工作是航天型号任务质量保障的基础,关系着型号任务的成败。主要介绍了航天型号任务中计量保证工作的现状和不足,结合航天型号任务的全流程工作,提出在型号任务各环节的计量保证工作建议。     

考虑侧窗约束的模型预测静态规划末制导方法

针对红外导引头侧窗探测模式下,非对称视场约束造成末制导阶段目标易丢失的问题,提出一种考虑侧窗约束的模型预测静态规划末制导方法。首先,基于体视线坐标系建立三维相对运动模型,得到不依赖于“小攻角”假设的准确模型。在处理无过程约束问题的模型预测静态规划方法基础上,引入松弛变量与虚拟控制量,设计出考虑侧窗视场约束的末制导算法。为了进一步降低末制导算法对初始猜测轨迹的依赖性,提高适应性与计算效率,提出逐步增加约束条件的计算策略。仿真结果表明,该方法在末制导过程中满足侧窗约束,相比于凸优化方法,优化变量减少,计算速度更快;相比于基于障碍李雅普诺夫函数的末制导律,能够满足侧窗约束,同时能适应不同的初始条件。     

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。     

基于室内无线模型的穿墙损耗校正

K-M（Keenan-Motley）模型将单墙固定损耗值相加来计算室内无线信号穿透多墙的总损耗值,存在较大误差。针对该问题选取多种室内场景分别进行连续波（Continuous Wave,CW）测试,对无线信号穿墙损耗的影响因素和变化规律进行分析,提出了一种基于人工神经网络的室内无线模型穿墙损耗校正方法,对预处理后的测试数据进行训练并建立预测模型。经验证该预测模型符合校正判别准则,在实际场景下具有良好的预测准确度。