仿生偏振光导航传感器量测模型研究

仿生偏振导航传感器仿照昆虫利用天空偏振光进行导航的原理,测量载体的姿态和方位,具有精度高、功耗低等优势,是一种新型的导航传感器．根据偏振导航的原理分析偏振导航传感器的测量参考矢量和导航能力,根据其参考矢量的数量及性质,对偏振导航传感器使用在不同性质载体上的测量进行建模,并提出其对载体进行定姿的条件．     

钢管在冲击荷载作用下的变形与失效破坏

为研究钢管在弹体侵彻过程中的变形特点,基于ANSYS/LS-DYNA软件,采用Johnson-Cook模型,模拟了半球形弹体以不同速度正向冲击钢管时的非线性动力响应情况。结果表明：弹体速度越小,钢管的抗侵彻性能越好;弹体速度越接近临界破坏速度,钢管降低弹体速度的能力就越明显;弹体冲击钢管时,钢管上表面比下表面更容易产生大变形,消耗更多的弹体动能,并在抗侵彻过程中伴有局部凹陷、蝶形变形和贯穿现象。实验结果可为圆柱壳结构钢管在冲击荷载作用下的耗能分析提供参考。     

固体火箭发动机二次喷射控制矢量喷管流场仿真

采用基于Favre平均的三维N-S方程和k-ε湍流模型对固体火箭发动机二次喷射推力矢量喷管复杂干扰内流场进行数值模拟。空间上采用三阶精度差分格式进行求解,时间上采用隐式Jacobi点迭代方法进行迭代推进,直至流场收敛。数值模拟得到矢量喷管二次射流的激波系结构,以及复杂的主/次流干扰流动图像。二次喷射流场包含复杂的涡系结构和波系结构,还存在着边界层与激波的相互干扰、自由剪切层、激波、膨胀波和大尺寸分离。数值模拟还表明,高温燃气射流导致喷射孔附近喷管壁面处的温度相当高,需采取相应的热防护措施。     

脉冲功率电源故障诊断方法研究

脉冲功率电源是电磁发射系统中最容易发生故障的薄弱环节,脉冲功率电源故障会使整个系统性能下降。针对脉冲功率电源故障,提出基于多层小波分析提取故障信息的模式搜索支持向量机故障诊断方法。通过建立脉冲功率电源的软故障模型,进行仿真分析获得电流故障数据样本,对故障样本进行离散小波分解,获得指定层细节信息的小波系数作为故障特征量;对故障特征量进行主成分分析,将小波系数进行降维,以便有效地进行故障诊断。通过实验,将所提方法故障诊断结果与其他三种故障诊断结果进行比较,验证了所提方法的有效性。     

基于MC-CNN网络的磁性舰船目标运动参数估计

传统磁性目标运动估计效果依赖于目标的初始状态信息,为克服这一缺陷,建立了磁性运动目标三分量投影模型,并据此生成了磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。进一步,设计了多通道卷积神经网络（MC-CNN）对目标的正横距离和运动速度进行了估计,并比较和分析了不同的学习方式和激活函数对网络性能的影响,结果表明Adam+tanh的组合方式的估计性能要优于其它的组合方式,而且对磁性目标运动参数的估计效果比较精确,此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。     

利用最小二乘支持向量机求解潜艇内外磁场映射模型

为提高潜艇磁隐身能力,应对潜艇固定磁场进行实时监测,提出利用最小二乘支持向量机的潜艇内外磁场映射方法。结合内外映射法和最小二乘支持向量机原理,通过交叉验证优化模型参数,建立由内到外的潜艇磁场映射模型。以潜艇外部垂向固定磁场变化量为分析对象,仿真和实验结果均与标准值吻合良好。与径向基神经网络算法相比,该方法的泛化能力和推算精度有明显提高,且更符合工程实际,对闭环消磁技术的研究具有指导意义。     

浅海中时谐水平电偶极子在空气中的极低频磁场

为深入分析空气中的极低频磁场,用时谐水平电偶极子等效船舶被主轴调制的水下腐蚀相关电流。根据Maxwell方程组和电磁场边界条件建立浅海条件下电偶极子在空气中的矢量磁位模型,进一步推导了磁场表达式,并利用快速汉克尔变换计算磁场的传播规律。测量了水池碳棒电极和海上钛基电极的磁场,验证了磁场的实用性和模型的有效性。     

基于改进LS-SVM的异步电机转子故障诊断

为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。