虚拟维修训练中故障建模与仿真

在分析维修训练需求、仿真方法的基础上,建立由故障现象、维修对象、故障传播有向图组成的故障模型,并研究了虚拟环境中检测特征数据的建立、故障现象的模拟及仿真运行流程,利用Virtools实现了典型故障的建模与仿真,较好地完成了故障现象和数据的实时生成,为维修人员提供了良好的观察与检测故障的虚拟维修环境。     

什么是系列化

把一类产品的主参数或规格,按科学的规律进行分档、分级形成合理的序列,以较少的品种或规格满足最大使用范围的标准化方式。其要点如下。①系列化的目的：以较少的品种规格满足最大的需求;②系列化的对象：分系统、设备、零部件、元器件、原材料、产品结构、性能参数;③系列化的主要工作内容：确定产品基本参数系列,编制产品系列型谱,开展系列化设计。     

Na_2SO_4·10H_2O相变过程及其相变潜热的计算

利用CDR-34P差动热分析仪测试Na2SO4·10H2O相变前后的热效应,结合Na2SO4-H2O体系的二元相图,分析相变前后热效应的来源及体系相态、组分的变化;提出无机水合盐相变潜热除来源结晶水脱离外还包括固相物质溶解、溶液浓度梯度变化的热效应的观点;根据上述相变过程计算Na2SO4·10H2O相变潜热,误差仅为2%.     

面向异常检测的高光谱图像压缩技术

异常检测已经成为高光谱图像重要的后续应用之一,提出了一种面向异常检测的高光谱图像压缩算法.为减少压缩对异常检测性能的影响,首先采用RX算子对高光谱图像进行异常检测,并对异常点与背景对应的光谱维矢量进行预处理.对高光谱图像的光谱维矢量进行KL变换,通过引入虚拟维数估计算法对原始数据的本征维数进行估计,在此基础上给出了一种主分量选取方法.最后,采用最优码率分配策略为各主分量分配相应的压缩码率,并利用SPIHT算法分别进行压缩.实验结果表明,该算法在获得较高压缩性能的同时,可有效保持图像中的异常信息.     

模糊故障树分析方法在机场环境安全中的应用

采用故障树分析法,对引起鸟击飞机的各个因素进行系统分析,并建立了故障树.通过定性分析,可得引起顶事件发生的2580个最小割集.采用专家判断和模糊集理论相结合的方法,评估故障树底事件发生概率的模糊性,并以"垃圾堆对鸟的吸引"这一底事件为例,计算出其模糊失效率.通过定量分析,计算出顶事件的发生概率为0.00241,同时可计算各底事件的重要度.     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于序列二次规划算法的控制律寻优设计

针对某型无人机设计的纵向控制系统,运用经典控制器设计,然后通过参数优化而进行时域自动调节控制律参数的方法设计控制律,优化算法采用序列二次规划法.自动调参的过程是直观可视的.仿真结果表明运用该方法所设计出的控制律满足飞行品质要求,比传统的人工调节控制器参数效果更好,并提高了工作效率.这种方法可以应用于其他控制对象.     

图像配准技术在DPCA动目标检测中的应用

杂波相消是运用DPCA方法进行地面动目标检测的一个关键问题,如果能将两幅图像精确配准将会得到很好的杂波相消图.基于傅氏变换及最大频谱法,采用了一种新的配准方法对真实的机载SAR图像进行了粗配准与精配准,得到了较好的杂波相消图,并有效准确地检测出地面动目标.     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

基于候选轨迹统计模型的红外弱小点目标检测(英文)

建立候选目标轨迹集合,以候选目标轨迹集合为样本空间,利用沿候选轨迹的能量积分构造此空间上的概率分布,从而建立候选轨迹的概率统计模型.以此模型为基础,设计了一种弱小点目标检测方法.通过蒙特卡罗实验方法调节模型参数,使得算法的检测性能达到所提出的指标.该算法规避了以往算法中需要获得解析形式的候选轨迹密度函数的限制,因此能检测出沿任意方向作直线运动的点目标.最后,针对给定的弱小点目标观测图像序列,利用所提出的算法进行检测,仿真结果证明此算法是有效的.