弹性BP神经网络消除轮速传感器误差方法的研究

汽车轮速是汽车运动状态参数的主要信息源,是控制系统的核心,其精度直接影响这些系统的性能.为了提高轮速的精度,降低传感器的研制成本,提出了一种基于弹性BP神经网络的误差分析方法消除轮速传感器误差.将改进的BP神经网络--弹性BP神经网络用于误差分析,并提出误差匹配的算法.理论和仿真结果表明,该方法使绝对误差达到2×10-4>rad,能够有效地消除传感器误差,提高轮速信号的精度.     

高超声速飞行器边界层外缘参数仿真分析

以高超声速飞行器为研究对象,构建快速准确计算高超声速飞行器无黏边界层外缘参数的计算方法。拟合空气比热、比热比随温度变化曲线,建立空气属性温度划分准则。基于不同空气属性建立高超声速飞行器边界层外缘参数工程与数值计算模型,采用钝双锥模型,对比分析工程估算、无黏数值及有黏数值计算方法的计算结果。结果表明,0°攻角状态下,基于无黏流场的数值计算与工程估算和有黏数值计算的压强最大差值分别为1.19%和2.39%;10°攻角状态下,最大差值分别为5%和50%;从而证明所提出的无黏数值计算方法明显优于工程计算方法,为进一步快速准确计算高超声速飞行器气动热环境奠定了重要基础。     

略评“语言谬误”──评介楚明锟主编的《逻辑学》

２０世纪５０年代以来,西方在非形式逻辑方面取得了重大进展。近几年来,我国逻辑界对此有愈来愈多的认识与响应。２０００年末出版的《逻辑学》教科书可视为一个例证。该书的价值和水平值得肯定。但其中的“语言谬误”一节大可商榷。     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。     

导弹俯仰通道制导控制一体化设计

根据弹目相对运动关系及导弹系统模型,建立了导弹俯仰通道制导控制一体化模型。利用反馈线性化方法将该模型转化成为可控线性系统,基于自适应反演控制方法设计了控制器对转换后的系统进行控制。仿真结果表明,制导控制一体化设计能够有效减小导弹脱靶量,缩短导弹系统响应时间。     

保持连通的边缘细化算法

传统的图像边缘检测算子一般都只能得到多像素宽边缘,这为后续的图像处理带来了一定困难。结合边缘走向趋势的估计技术以及对连通关键点判断的方法,提出了一种新型的边缘细化算法———保持连通的边缘细化算法。该算法能在保持边缘原有信息(连通和走向)的前提下,以较小的计算开销,给出理想的或是可接受的单像素宽细化结果。     

高隔离度干涉截止滤光片的设计与制备

根据光通讯无源器件和激光探测仪器对光学薄膜的特殊需求,采用解析法和自动优化法综合设计了高隔离度的干涉截止滤光片,分析了膜厚改变2%对设计膜系的透过率曲线的影响,通过莱宝APS1104镀膜机对所设计的膜系进行了实际镀制,获得了性能优良的高隔离度截止滤光片.     

导弹贮存寿命预估的组合模型

在分析比较了几种寿命预估方法优缺点的基础上,针对单一预估方法在解决实际问题中所暴露的局限性,优选了GM-BPNN组合预估模型。该组合模型既利用了灰色预估理论具有所需要的样本数据少、原理简单、运算方便、短期预估精度高、可检验等优点,也发挥了神经网络并行计算、容错能力强、自适应能力强等优点。最后利用该组合模型对弹上某设备寿命进行了预估,取得了较好的预测效果。     

前缘和转轴影响翼摇滚特性的数值模拟

采用耦合求解N-S方程和Euler刚体动力学方程的数值模拟方法研究80°后掠三角翼摇滚特性,讨论机翼前缘构型和滚转轴位置对三角翼摇滚特性的影响。N-S方程的离散采用Roe格式和含双时间步的LU-SGS方法,刚体动力学方程的离散采用二阶精度的差分方法,通过交替求解流动和运动控制方程组的耦合策略,模拟80°后掠三角翼自激摇滚的非定常过程。针对转轴安装于上表面的细长三角翼,研究前缘上削尖、下削尖和双面削尖三种构型的翼摇滚特性,分析前缘构型对摇滚振幅及分岔攻角的影响。考虑到上削尖和下削尖构型在翻转后相当于前缘构型互换但转轴位置不同,进一步考察了滚转轴位置对三角翼摇滚特性的影响。结果表明:在一定的攻角下,三种不同前缘构型的三角翼均能形成大幅自维持的摇滚现象,其中上削尖前缘的三角翼振幅最大,双面削尖前缘次之,下削尖前缘三角翼振幅最小;攻角增大到30°以后,双面削尖和上削尖前缘的三角翼会发生翻转现象,翻转180°以后维持等幅振荡。     

虹膜内边缘定位的齿形变换方法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.此算法分别对虹膜图像的每一行进行处理.首先,采用一种简单的齿形变换对虹膜图像每一行的灰度曲线进行变换,变换后的灰度曲线为齿形并且虹膜内边缘点出现在齿形曲线的转折点处.然后,根据在虹膜内边缘点处齿形灰度曲线的斜率由负值变为正值的特点,检测虹膜内边缘点并定位虹膜内边缘的位置.此算法具有新颖、简单、准确和速度快等特点.