基于模糊加权法的雷达辐射源识别

为有效解决雷达信号的不确定性问题,将模糊加权理论和不确定性推理应用于雷达辐射源识别,仿真试验表明方法是有效的。该方法不仅适应雷达特征参数连续变化的情况,而且计算简单、性能较好。     

基于粒子群聚类的导弹直接侧向力模型辨识

为了充分挖掘数据的潜在规律,提出一种基于粒子群模糊C均值聚类的模型辨识方法,该方法首先对实验数据进行分类,得到最佳聚类数和聚类中心,然后对不同的类分别辨识.新数据可以根据到不同聚类中心的距离划分为不同的类,再根据该类的辨识模型得到输出结果.依据风洞实验数据,采用粒子群模糊聚类对直接侧向力模型进行了辨识,辨识结果表明,与直接辨识相比,该方法的辨识精度明显提高,其辨识结果可以为控制系统的设计提供依据.     

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。     

基于改进证据理论的多传感器目标识别

由于证据理论融合冲突信息会得出不合理的结论,限制了其在目标识别中的应用.为解决这一问题,提出了一种改进融合方法.研究各证据与其他证据的联系,通过计算证据与其他证据均值的距离,求出此证据受其他证据的支持度.归一化支持度获得证据权值,加权平均原有证据后按Dempster规则融合,作出识别.针对空中目标识别算例,对比验证几种方法,结果显示:该方法能够融合冲突信息,在降低计算量的同时,加快收敛速度,提高了识别快速性和准确性.     

传导冷却高温超导磁体热输运参数反演识别

在传导冷却高温超导磁体系统中,超导磁饼热导率以及磁饼与导冷体之间的界面热阻是影响热输运的主要因素,也是传导冷却超导磁体系统热设计的难点。为了获得准确的热导率和界面热阻参数,根据Levenberg-Marquardt算法提出通过表面测温确定传导冷却超导磁体热输运参数的反演识别方法。搭建低温实验数据测试平台,建立高温超导磁饼三维各向异性热传导模型。利用反演算法对传导冷却Bi2223高温超导磁体在40~76K温区的各向异性热导率与界面热阻进行反演识别,并分析测温误差对识别结果的影响。研究成果将为超导磁体热输运参数的获取提供一种新思路。     

基于委托模式的多分辨率联合仿真

多分辨率联合仿真是实现多层次、多视角仿真的有效方法之一。现有多分辨率联合仿真模式存在一致性偏差和仿真剧情割裂问题,从而影响仿真的有效性。为此,提出基于委托模式的多分辨率联合仿真思路,该模式下能够较好地避免仿真剧情割裂问题,同时降低一致性问题的解决难度。通过实例验证,该方法较好地适用于大规模作战和局部作战行动的多分辨率联合仿真。     

罐底渗漏的罐基油气质量分数探测法识别

油罐是油品储运的重要设备,罐底最易出现穿孔渗漏油现象,致使罐基内部油气质量分数高于正常值。以油库中柴油覆土罐群为例,研究并试验了根据罐基油气质量分数识别罐底渗漏的方法：分析罐基探漏孔位置分布并钻孔;多次探测罐基油气质量分数,根据探测数据识别各罐有无底部渗漏;为了便于以后检测油库时识别各罐有无渗漏,为各罐建立状态监测表,并将无渗漏的罐基油气质量分数最高值暂定为该类罐的安全值,低于该安全值的油罐可直接判定为无渗漏。实践结果证明,这种不开罐检测罐底渗漏油的方法可及时发现故障并采取措施,对储油安全具有重要意义。     

复杂条件下飞行器天馈设备关键技术分析

作为高速飞行器载体用户终端的最前级,天馈设备的性能直接关系到无线收发系统数据链路的有效性。从技术应用角度出发,分析了在高速、高温以及复杂电磁环境下天馈设备的设计实现,介绍了热天线、可重构天线、小型化可控波束阵列、自适应阵列等几种先进天馈设备的技术特点和细节,详细阐述了其在高速飞行器载体的工程应用方法,对提高复杂飞行任务条件下数据链路的稳定性具有积极意义。     

基于梯度方向二进制模式的空间金字塔模型方法

空间金字塔模型由于其优势在当前图像分类中得到了广泛应用。然而,其码本生成和特征量化这两个环节具有较高的计算复杂度。为了解决这个问题,提出了一种新的局部特征表述———梯度方向二进制模式,首先对图像稠密采样得到多个子图像块,再将每个子图像块均匀划分为2×2个网格,计算每个网格的梯度直方图,然后对所有网格的梯度主方向进行二进制编码并连接为二进制串值,该二进制串值转换的十进制数即为子图像块的特征表述,最后将该特征表述嵌入到SPM模型中。在标准分类数据库上的实验结果证明了本方法在算法耗时和分类精度上均优于基于SIFT的SPM方法。