碳化钨及其混合物的冲击 Hugoniot数据计算

计算了多孔碳化钨（初始密度分别为密实碳化钨密度的９５％、８５％、７５％和６５％）在不完全压实状态和完全压实状态下的Ｐ_１－Ｖ_１曲线和Ｃｓ－Ｕ１曲线以及碳化钨／碳、碳化钨／碳化硅混合物（碳化钨含量分别为３％,５％,１０％）的Ｐ_１－Ｖ_１曲线和Ｃ_ｓ－Ｕ_１曲线。     

带扩张观测器的三维有限时间收敛导引律

为了保证视线角速率在弹目碰撞前收敛到零附近的较小邻域内,从而达到准平行接近的状态,基于自抗扰控制的不确定性估计补偿思想,应用反演控制方法设计了一种考虑导弹自动驾驶仪二阶动态特性和目标机动的三维有限时间收敛导引律。根据有限时间收敛控制理论,严格证明了系统的有限时间收敛特性;为抑制量测噪声,将传统跟踪微分器进行改进并应用于扩张状态观测器与反演控制的设计中。仿真结果表明,在自动驾驶仪响应延迟情况下,所设计的导引律能够导引导弹在有限时间内精确地拦截高速机动目标;改进的跟踪微分器精度高、响应快;基于改进跟踪微分器的扩张观测器估计效果理想。     

基于瞬时转速多特征融合的内燃机各缸工作状态识别

为分析内燃机瞬时转速波动过程与各缸工作相位的对应关系,进而识别各缸工作状态,提出了基于硬件计数原理的内燃机瞬时转速精确测试方法,在某自行火炮发动机上测取了发动机正常工作、燃烧不良和失火工况下的瞬时转速信号。对信号进行频谱分析,并利用分频带滤波方法分离出电调信号和各缸做功冲击信号,进而提出5个特征参数并计算各特征参数的相对偏差和偏差极性,最后根据不同特征参数的相对偏差幅值和偏差极性分布规律判别各缸工作状态并定位状态异常缸。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

基于改进ESO的交流伺服系统FOPID定位控制

针对高炮炮控交流伺服系统高精度定位控制存在的外界干扰及诸多非线性因素,提出了基于连续光滑函数fan()的改进扩张状态观测器(ESO),并将其应用于分数阶PID控制器,即CS-ESO-FOPID。该控制器将所有外界干扰因素作为"总干扰"获取干扰实时量,并通过改进扩张状态观测器实现非线性因素的实时动态补偿。数字仿真证明,CS-ESO观测优于传统ESO观测,CS-ESO-FOPID的动态控制精度及对外部扰动的鲁棒性均优于FOPID控制,避免了基于传统ESO的分数阶PID易出现的高频颤振现象,从而验证了该控制策略的可行性和有效性。     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

基于平稳小波变换的遥感图像融合方法

针对目前方法在多光谱图像和高分辨率图像融合中存在的问题,提出了一种IHS交换和平稳小波变换相结合的图像融合方法.首先对多光谱图像进行IHS变换后,得到I、H和S三个分量,接着对I分量和高分辨率图像进行基于平稳小波变换的图像融合,得到一幅新的强度图像,最后用新的强度图像和H及S进行IHS反变换,进而获得最终融合图像.实验表明,它优于传统的IHS变换法和小波变换法.     

复杂自然背景中人造目标的分割研究

在以自然景物为背景的图像中,分形维数特征是一种能有效将人造物体从自然背景中分割出来的一种纹理特征.提出了一种基于Gabor滤波器及差分盒维数的分形纹理特征提取方法,该方法依据不同的滤波器尺度分别采用不同尺寸的滑动窗口来计算分形纹理特征.并利用FCM方法实现了对图像的分割.实验表明该方法能很好地对真实自然背景的图像进行分割,并能由此获得人工目标的轮廓图像.     

管道在线检测技术及检测机器人研究

概述了管道检测技术发展现状,介绍了最新检测技术的原理,分析了管道内检测机器人的技术要点,概括介绍了课题组在差压式管内检测机器人周围流场建模与仿真、腐蚀环境下管道钢裂纹群演化的混沌动力学、差压式管内检测机器人的通过性能、管内检测机器人运行速度和姿态分析及运动状态控制、管内检测机器人小型化、小型化管内检测机器人检测精度、小型化管内检测机器人定位精度及管道剩余寿命的预测方法等方面的研究进展,为今后的研究打下了坚实的基础。     

基于小波变换与数学形态学的红外图像分割方法

提出一种基于小波变换和形态学相结合的红外图像分割方法,该方法利用小波变换和形态学消除红外图像的混合噪声,抑制背景干扰和增强目标;通过选择适当的结构元素进行系列形态组合运算,自适应确定阈值,提取目标;利用形态学水线区域分割法对图像进行分割,分离目标区域。实验结果表明,该方法能有效检测和分割出低信噪比复杂背景红外图像中的目标。