利用验前信息时，飞行器试验鉴定技术研究—— 一次现场试验下的精度鉴定方法

研究了具有验前信息下的飞行器落点精度的鉴定问题,适用于只作一次现场飞行试验的情况。文中给出了鉴定方案,并进行了风险计算和信度分析。对于一次试验结果与验前信息的一致性．给出了验证方法。本文所提供的理论方法,可用于一般武器装备系统的试验定型和鉴定。     

基于截尾正态分布的最大值指标精度换算方法

提出了基于截尾正态分布的最大值指标精度换算方法,为最大值指标与常用精度指标间的精度换算,以及真值测量系统精度指标的确定提供了参考依据。该方法假设系统输出序列中各观测点的合格概率服从对数截尾正态分布;根据给定最大值指标的置信水平及序列样本量,证明并推导了截尾正态分布之截尾上限、截尾下限、均值及标准偏差的计算公式,导出了最大值精度指标与 等常用精度指标间的换算关系,最后结合精密仪器有关理论给出了最大值指标下真值测量系统精度指标的确定方法。实例应用的实验结果表明,该方法是可行的。     

基于优选RFID观测值的GPS/RFID组合定位方法

在典型的城市环境中,单一GPS定位模式已很难满足连续定位的要求,采用GPS和其他非LOS(Line of Sight,视线矢量)定位方法(如RFID定位方法)进行组合可实现弱信号或无导航信号环境下的定位.针对GPS/RFID组合定位系统中全选RFID观测值所带来的较高的计算复杂度的问题,提出了一种在加权观测值条件下使组合定位误差最小的RFID观测值优选方法.实测实验结果表明,采用这种优选RFID观测值的GPS/RFID组合定位系统可改善在GPS信号受遮挡条件下的GDOP值,有效提高单一卫星导航定位系统的定位可用性和定位精度,并大大降低了系统的计算复杂度.     

EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。     

基于去除函数预测模型的磁流变抛光工艺优化研究

在分析磁流变抛光加工过程的基础上,建立了磁流变抛光的去除函数预测模型,该模型利用加工前后的面形误差分布和仿真计算的面形残差分布,针对不同材料间的去除函数模型效率系数进行辨识,能够实现去除函数模型的准确预测.以该模型为基础,通过在传统磁流变抛光工艺中加入去除函数效率系数实时辨识的工艺环节,可以对磁流变抛光的加工工艺进行优化.利用该优化工艺对一块口径202mm的HIP SiC进行9次循环迭代加工,采用子孔径拼接测量技术进行测量,面形误差由初始的PV 0.72μm,RMS 0.108μm提升到最终的PV0.13μm,RMS0.012μm.实验表明,去除函数预测模型能够优化磁流变抛光工艺,提高加工的确定性和增强工艺的适用性,实现光学镜面的高精度确定性磁流变抛光加工.     

用于超角分辨的 Hopfield 神经网络方法

Hopfield神经网络用于方位估计可获得高的精度和超分辨力。本文综述有关研究,描述该网络模型及用其于信号处理的一般步骤,用于方位估计的具体形式,讨论提高精度及分辨力的一些措施,指出进一步研究的方向。     

视频监视前景图像估计的盲源提取方法

在视频图像运动检测的背景消减方法中,场景图像或帧可建模为前景图像和背景图像的叠加或线性混合。然而,实际中图像的背景和前景往往相关,常用的主成分分析和独立分量分析等方法难以实现准确提取。为此,将视频图像的前景提取建模为盲源提取问题,提出了一种基于均方交叉预测误差的盲源提取方法,可以从相关的源视频图像中提取期望的前景图像,并将该方法扩展应用于基于基本模型和特征背景模型的背景消减方案中。基于人工和实际视频的实验验证了盲源提取背景消减方法的可行性和有效性。     

具有适应值预测机制的遗传算法

针对适应值计算费时的优化问题,提出一种具有适应值预测机制的遗传算法:为了有效控制预测适应值的准确度和预测频率,建立了一个基于可信度概念的适应值预测模型,引入可信度流失机制以减少预测误差的传播和累积,引入冗余个体剔除机制以减少计算消耗。利用3个基准函数对算法进行收敛性和有效性的测试,测试结果表明算法对于3个测试函数均能获得满意的最优解,并且都能减少60%以上的真实适应值计算次数。     

利用2006-2012年北半球冬季无线电探空站及MACC再分析数据对COSMIC GPS RO 反演的水汽廓线进行质量分析

为了验证COSMIC (Constellation Observing System for Meteorology, Ionosphere, and Climate, COSMIC) GPS (Global Positioning System, GPS) 掩星（Radio Occultation, RO）反演的水汽廓线的质量,同时也为了验证水汽对COSMIC GPS RO反演结果的影响,利用2006-2012年北半球冬季（12月、1月及2月）低纬度地区（30°S-30°N）无线电探空站数据及全球MACC再分析数据对1000 hpa-200 hpa 高度层的COSMIC GPS RO 反演的比湿廓线进行了精度和可靠性验证。这里分析了无线电探空比湿数据及MACC-Reanalysis数据相对于COSMIC GPS RO反演的比湿数据的相对误差在不同高度,不同比湿值的分布情况,发现在对流层中上层出现比湿相对误差极端值概率较大,在500 hpa -600 hpa高度层出现比湿相对误差极端值最大。在低纬度地区,无线电探空站比湿数据与COSMIC GPS RO反演的比湿数据之间的相对误差要小于20%,标准偏差也小于20%。通过统计比较低纬度地区及全球范围MACC再分析数据相对与COSMIC GPS RO数据的相对误差与标准偏差,发现低纬度地区COSMIC GPS RO 反演的比湿廓线精度要比全球范围要差,同时分析了两者之间的相对误差Re(q)在不同区间（-100%相似文献   

基于最优制导模板的神经网络预测制导方法

针对传统预测制导方法中高精度制导与快速实时解算之间的矛盾,提出了一种基于最优制导模板的神经网络预测制导方法。该方法采用基于高置信度飞行器运动模型仿真计算预测弹道落点,利用优化理论进行迭代解算制导变量,以此为基础离线生成样本数据;通过选择合适的多结构模态神经网络,进行基于调度管理的神经网络训练,完成神经网络控制器的设计。针对CAV进行了算例设计,结果表明:该制导方法在线计算量少,制导解算速度快,制导精度高,综合性能远优于传统的预测制导方法。