卧式储油罐罐体变位模型与罐容表标定

针对储油罐罐体变位影响油品计量精度的问题,建立了球冠形封头卧式储油罐罐体变位模型,将罐体变位后的油位高度转换成无变位时的油位高度,再利用罐体无变位时的储油体积计算模型得到变位后储油体积与油位高度的关系。分析了罐体变位对罐容表的影响,提出了一种基于最小二乘原理的变位参数识别算法,最后对该变位模型进行了检验,并采用插值算法重新标定了变位后的罐容表。结果表明:该变位模型与实际情况基本相符,变位参数识别算法能估计出罐体倾斜角度和偏转角度。     

编队辐射源威胁估计研究

针对编队辐射源威胁估计结果在用途上的不同要求,以编队辐射源识别过程为依据,提出了便于编队指挥员把握战场电磁态势的宏观辐射源威胁等级划分方法,并以此为基础,利用多属性决策理论研究了微观编队辐射源威胁系数的计算方法,并以编队电子对抗中的融合识别为例给出了仿真实例。实例表明,该方法可实现编队辐射源威胁估计结果在宏观与微观使用上的统一。     

飞机结冰时不变参数识别技术

飞机飞行过程中的遭遇结冰问题是较为普遍的飞行安全事故。随着飞机结冰问题受到的关注程度的提高,飞机结冰问题研究向智能结冰检测与控制综合的方向发展。而其中的首先需要解决的问题是飞机结冰参数检测技术。通过引入飞机六自由度仿真模型以及飞机结冰参数模型,然后利用H∞参数识别方法定量检测的飞机气动导数,从而可以定量描述飞机结冰后气动导数变化。仿真计算结果达到满意的效果,该识别方法对外界扰动有一定的鲁棒性。     

目标自动跟踪参数辨识模型的工程化动态辨识

为解决机动目标参数辨识模型工程应用问题,采用扩张状态观测器等先进的非线性滤波算法,从实测的含有观测噪声的目标位置数据的序列中,直接估计出机动目标运动的一阶、二阶、三阶导数,并结合目标运动模型辨识的理论算法,在工程应用上首次实现了机动目标运动模态和运动模型的双重动态辨识,完成了目标模型动态辨识的工程化设计.     

基因短序列模式分析及其在5'剪接位点识别中的应用

短序列模式分析是基因序列分析的一个重要组成部分,在进行生物信号识别的时候,一般都会利用到短序列模式的信息。通常短序列模式的数目很多,如果每个都应用到生物信号识别中,会产生大量的参数,而且无法体现信号的主要特征。为了找出在识别信号位点中起关键作用的短序列模式,以信息增益作为评价依据,按照逐步选择的策略,将模式进行排队。根据排队结果,选取信息增益突出的短序列模式作为识别生物信号的关键依据,这样可以用较少的模式得到较好的结果。结合选取的短序列模式,用最大熵模型作为信号序列真实分布的估计,从而对给定序列进行识别。最后将这个方法用于5’剪接位点的识别,得到了满意的结果。     

基于相对密度的增量式聚类算法

基于聚类的相对性原则:簇内对象具有较高的相似度,而簇间对象则相反,提出一种基于相对密度的增量式聚类算法,它继承了基于绝对密度聚类算法的抗噪声能力强、能发现任意形状簇等优点[1],并有效解决了聚类结果对参数设置过于敏感、参数值难以确定以及高密度簇完全被相连的低密度簇所包含等问题。同时,通过定义新增对象的影响集和种子集能够有效支持增量式聚类。     

温度对半导体激光器退化的影响

采取等效电路模型仿真和加速退化试验相结合的方法研究温度对半导体激光器不同退化模式的影响规律。针对半导体激光器有源区退化和腔面退化进行分析,发现有源区退化会使半导体激光器阈值电流增大,而腔面退化会使半导体激光器斜率效率减小;进行了半导体激光器热特性建模与仿真,发现温度升高会使半导体激光器阈值电流增大;利用半导体激光器加速退化试验平台进行了半导体激光器加速退化试验。仿真与试验结果证明:温度升高会加剧半导体激光器腔面退化,而对有源区退化无显著影响。上述结论对进一步完善半导体激光器温度-退化仿真模型,研究温度对半导体激光器退化的作用机理和防护措施有积极作用。     

Statistical Analysis as an Adjunct to Historical Research: Identification of the Likely Manufacturers of British Pattern 1907 Bayonets Supplied by the Birmingham Small Arms Company to the Siamese Government in 1920

In 1920, the Birmingham Small Arms Company supplied 10,000 Pattern 1907 bayonets to the government of Siam to accompany an order for rifles. The original maker of these bayonets was unknown, but historical research indicates that the Wilkinson Sword Co. Ltd. was a primary maker. The weights of some surviving Pattern 1907 bayonets, including twelve bayonets from the 10,000 described above, produced by the six makers in the UK before and during the Great War (1914–1918) period were available. A statistical analysis of the data was performed to compare with the historical research. The results strongly supported that the Wilkinson Sword Co. Ltd. was a primary maker. They were also sufficient to exclude from this batch of twelve bayonets the Royal Small Arms Factory (Enfield) and Vickers Ltd. as manufacturers. The statistical evidence for the presence of bayonets made by J.A. Chapman Ltd., R. Mole & Sons and Sanderson Bros. was weaker than that for the Wilkinson Sword Co. Ltd., but was nevertheless supportive of that hypothesis. Overall, the analysis was consistent with the supply to Siam of commingled bayonets from British government stores. It was noted that the bayonets for the Siam contract fell into a relatively narrow weight range, but the reason for this could not be determined.     

基于HHM的军事演习风险识别

军事演习风险对军事演习的安全顺利进行有很大的影响。有效控制演习风险,首先需要全面、系统地识别出军事演习中存在的风险因素。本文在给出军事演习风险定义的基础上,运用等级全息模型(hierarchical holographic modeling,HHM)~([1])的思想和方法建立HHM风险识别模型,对军事演习中存在的风险进行分析和识别,有助于提升军事演习风险识别的准确性和全面性,为军事演习风险的评估和控制打下坚实的基础,对军事演习的安全进行和军事训练水平的提升具有重要意义。     

舰船主动力装置故障隔离与参数估计方法

针对舰船主动力装置结构复杂、故障种类多和系统不确定性等故障诊断问题,提出采用基于双因果键合图模型的定量故障隔离与参数估计方法。根据系统传感器配置方案,建立双因果键合图模型,通过因果路径分析,推导得到系统解析冗余关系,并获得故障特征矩阵。建立系统线性分式变换键合图模型,开展故障仿真,将其与双因果键合图模型耦合,在MATLAB/Simulink环境中进行仿真试验,实现了舰船主动力装置的故障隔离与参数估计。结果表明：对双因果键合图模型因果路径分析,可以避免手动推导系统解析冗余关系的繁杂过程;基于其部件构造方程的分析可以有效实现系统故障隔离与参数估计,实时跟踪和预测故障状态。