基于性能退化缓解的双发推力匹配控制

为了解决退化程度不同而导致的双发推力不匹配问题,首先介绍基于发动机性能退化缓解控制的双发推力匹配控制系统(在发动机基准控制系统的基础上添加外围控制回路实现对推力的间接控制,并通过设定双发共同遵循的期望推力减少由于发动机退化程度不同造成的双发推力差异),之后对该系统所涉及的推力设定、参数估计、转速指令修正等关键技术进行研究,最后在MATLAB/Simulink环境下进行仿真验证,结果表明:该系统可以在发动机参数限制范围内合理地设定双发共同遵循的期望推力,减少推力差异,满足自动协调双发推力匹配的设计要求。     

时序多相关-经验模式分解方法及其对车辆振动信号的分析

振动信号的特征提取由于受强背景噪声的干扰往往具有很大的困难。在作者提出的时序多相关-经验模式分解方法的基础上,提出了一种相应的改进方法,将其扩展到一般振动信号的特征提取。先对采集到的时间序列作多相关处理,在时序多相关处理时,为了达到克服噪声干扰的目的,取一段采样序列,对其作周期延拓,使得在多相关处理后,噪声仅仅体现在多相关序列的常数项里面。再对得到的多相关数据作经验模式分解,选择满足要求的本征模式函数并作边际谱分析,以达到提取强噪声背景下的特征信号的目的。仿真分析表明了该方法的有效性。最后将它应用到实际某特种车辆振动信号的特征提取中,得到了满意的结果。     

火星探测无人机快速景象匹配算法

针对火星无人机探测飞行过程的特点及其机载计算机的局限性,在充分研究了矩阵奇异值向量性质特点的基础上,对奇异值向量进行主分量分析,提出了一种应用于火星无人机平飞段的基于奇异值分解的分层快速景象匹配算法,并给出了与之相应的机载特征数据存储方法.与相关算法的对比性实验表明,本文提出的算法具有准确,稳定,且速度更快,数据量更小的优点.通过仅在飞行末段,将本文算法切换成现有的基于SIFT算子的匹配算法,能在实现火星无人机全程快速景象匹配的同时,有效降低对其机载计算机综合性能的要求.     

人工鱼群算法研究综述

针对近年来人工鱼群算法的文献进行了总结和研究。首先介绍了鱼群算法的基本计算原理;随后,分析了鱼群算法的部分参数对于算法寻优结果的影响,并介绍了鱼群算法的相关改进方法和部分应用成果,指出了鱼群算法未来的改进与研究方向。     

带横流非均匀冲击/气膜复合冷却特性试验研究

针对多层涡轮机匣内部典型阵列冲击/气膜,试验研究了横流出流和气膜出流作用对冲击冷却靶面换热系数的综合作用。重点分析了非均匀阵列冲击射流中,冲击雷诺数(6 750~28 500)、横流出流比(0~0.5)等参数对冲击靶板局部和平均努赛尔数的影响。试验中局部和平均努赛尔数均随着冲击雷诺数的增加而提高。当横流出流比增加后,局部和平均努赛尔数均减小。试验结果表明,气膜孔和冲击孔间距较小的工况下能够获得更好的局部换热强化效果。横流出流的存在,削弱冲击射流带来的局部强化冷却作用,并且随着出流比的增大,这种换热削弱程度也逐步变大。     

基于特征点运动矢量估计的动态序列图像运动目标跟踪

提出了一种改进的特征点运动矢量估计方法,用于动态序列图像中的运动目标跟踪。首先利用改进的最小亮度变化算法提取特征点;然后通过自适应的十字模式搜索法确定这些特征点的匹配点。在RANSAC方法的基础上,利用运动背景的仿射变换参数实现运动背景的补偿。最后利用合理的形态滤波技术,运动目标将完整地从背景中提取出来并实现准确跟踪。实验结果表明,改进的方法可以成功完成运动背景的补偿,并为动态序列图像的运动目标跟踪提供了保证。     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

基于前向神经网络的与内容无关的笔迹鉴别

与内容无关的笔迹鉴别是属于图象处理和模式识别领域的一项课题，有着广泛的实用前景。本文提出了一种基于前向神经网络的与内容无关的笔迹鉴别的方法。文中讨论了提取笔迹灰度图象特征和用前向神经网络分类器进行两大问题。对笔迹灰度图提取了3大类18个灰度特征，面前向神经网络分类器由一种新的遗传算法同时优化设计其结构和权重矢量。通过对10人、每人6幅笔迹度图象用18个灰度特征进行鉴别,试验结果显示此方法设计的前向神经网络分类器收敛率高，比常用的最近邻分类器有更高的识别正确率。     

基于队列的参数域T网格Bézier分割方法

针对T样条曲面Bézier提取中的参数域T网格的Bézier分片问题,提出了一种基于队列的参数域T网格的Bézier分片算法。该算法首先通过延伸T型参数点对参数域网格进行切分,之后通过计算每个参数点所耦合的T样条混合函数非零区域对参数域网格进一步切分。上述切分过程只需借助一个队列数组即可实现。通过实例测试,验证了本算法的有效性。