飞机外形和结构件反求建模技术研究

 探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。     

基于双层K近邻算法航站楼短时客流量预测

航站楼离港客流量在短时期内呈现准周期性规律变化,易受航班计划、天气等多种因素影响,表现出复杂的非线性特点。为了实现航站楼短时客流量的准确预测,在传统K近邻（KNN）算法基础上增加了航班计划状态模式匹配方法,以航班计划包含的多维属性作为特征选取相似历史运营日作为预测基准向量,建立基于航站楼短时客流量预测的双层K近邻模型。通过实例分析,与ARIMA模型和传统K近邻模型等进行比较,证明双层K近邻模型预测误差更小,精度更高,模型拟合度相对传统K近邻模型提高了8%~10%,为航站楼短时客流量精确预测提供了一种新的解决思路。      

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

Ⅲ—Ⅴ族四元固溶体中原子近邻及次近邻的键长表达方式

基于ＦＤＵＣ模型和Ⅲ－Ⅴ族元素共价半径不变的假设，本文出了Ⅲ－Ⅴ族固溶体中原子近邻和次近邻的键长表达式。这套键长表达式除依赖于四个Ⅲ－Ⅴ族元素的含量（ｘ，ｙ）外，只与四个纯化合物的晶胞参数或这四个Ⅲ－Ⅴ族元素的共价半径有关。而且也含盖了相应的伪二元固溶体的情况。本文还对其他的理论模型作了进一步的比较和讨论。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。     

改进 K-均值算法在雷达辐射源信号预分选中的应用

雷达辐射源信号分选是电子对抗领域一个关键技术,随着电子技术的发展,电磁环境日趋复杂,信号分选的难度越来越大,在这样的条件下,我们应该寻求新的解决问题的方法.本文首先概述了雷达辐射源信号分选意义、系统组成和分选流程,然后介绍了改进 K-均值算法.为了有效实现信号分选,提出了基于改进K-均值算法的信号分选方法,该方法可对到达角、载频和脉宽参数进行分选.最后进行了仿真实验,结果表明该方法实现简单,分选效果较好     

基于新型C4D的小管道气液两相流流型辨识方法

基于径向结构的电容耦合式非接触电阻抗检测传感器,结合小波包分析技术和K-均值聚类算法,提出一种小管道气液两相流流型辨识方法。首先,利用径向结构的电容耦合式非接触电阻抗检测传感器,获取反映被测流体信息的电阻抗测量信号实部信息和虚部信息。然后,采用小波包分解的信号处理技术将实部信息和虚部信息分别分为4个频率段,提取不同频率范围的能量分布情况,并与各自的均值、方差构成特征向量。最后,利用K-均值聚类算法进行模式分类,建立流型辨识模型。在内径为3.5 mm和5.5 mm的玻璃管道内进行验证实验,实验结果表明,所获得的传感器测量信号能反映流体流动信息,提出的流型辨识技术路线是有效的,流型辨识精度可达88%以上。     

远亲不如近邻

1月底,北京市东城区某小区四号楼,两年没有露面的一对母子竟然被发现死在家中!类似这样令人惊愕不已的悲惨事情近年来屡现报端网络。"远亲不如近邻",然而,近几十年来,邻里关系也逐渐淡漠。是什么影响了邻里关系?又应该如何重塑邻里关系?     

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.     

基于图像处理和K近邻算法的示温漆判读方法

为了提高示温漆温度判读的精度和效率,采用图像处理和K近邻算法进行示温漆自动判读。对样板图像颜色空间进行 转换,提取颜色特征,建立判读模型;采用基于邻域颜色相似性的多尺度分割算法对试验件图像进行分割和颜色空间转换,提取颜 色特征。通过采用基于K近邻算法和颜色分布特征构建的温度判读模型,在KN3A示温漆矩形样板上进行了温度判读,结果表 明：当允许误差在±10 ℃以内时,像素点温度判读准确率达到96%,区域温度判读准确率达到100%;在KN8蝶形样板上进行了温 度判读,结果表明：热电偶附近像素点的温度值与热电偶温度值相比较,其误差在±10 ℃以内。