基于阶次跟踪的旋转机械启动过程振动分析

旋转机械运转时其旋转部件产生的振动和噪声所表现出的特征和轴的转速有密切关系。在这类故障的特征分析中,使用阶次跟踪分析法比一般的频域分析更具有优势。对2种典型的阶次跟踪法进行了论述,在此基础上用2个仿真信号对旋转机械启动过程进行了模拟分析,并得到了比较理想的结果。     

基于U-D分解滤波的交互多模型算法

简要回顾了基于相控阵雷达的三维空间中机动目标建模与自适应跟踪的机理,针对交互多模型算法在其跟踪应用过程中可能会出现的滤波发散问题,提出了一种基于U-D分解的交互多模型目标跟踪算法.该算法可以有效地限制交互多模型算法滤波计算过程中的滤波发散的可能性,从而使得IMM算法更加稳定.     

谈实战化训练环境对消防部队灭火救援能力的提升

简要回顾了消防业务训练改革的历史,总结了消防业务训练中长期存在的问题,结合新修订实施的消防法对灭火救援训练的新要求,从训练意识、内容、环境和施训方法等四个方面,分析阐述了实战化训练的内涵。在营造实战化的训练环境方面,应以信息化建设为基础,利用计算机网络和虚拟现实技术,构建灭火救援协同模拟训练环境,并大力应用推广。     

高斯马尔可夫融合算法在卡尔曼滤波中的应用

针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂,计算负担较重的问题,结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值,不需要计算局部稳态滤波误差互协方差,只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单,省略了很多繁琐步骤也能达到不错的滤波融合效果,通过仿真证明了此方法的可行性和高效性。     

现代建筑表皮的视觉效果

建筑表皮可以传承文化,反映特定时期的气候特征、地域文化、生活方式、美学及科学技术等,而建筑表皮设计则直接表达建筑师的设计意图,建筑表皮造型设计创意对建筑设计至关重要。从建筑表皮的形态构成、视觉效果和创意表达等3个方面阐述现代建筑表皮,提示建筑师灵活运用点、线、面、体、材质与色彩这些基本造型元素能设计不同的建筑表皮造型,表达不同的艺术思想,取得不同的视觉效果。     

HLA的雷达目标跟踪算法验证系统

构建了一个基于HLA的雷达目标跟踪分布式仿真系统。采用组件设计思想,实现目标跟踪组件和滤波组件,并将这两套组件嵌入到目标跟踪分布式仿真系统中。实践结果表明:基于组件思想构建的目标跟踪和滤波算法能够很好嵌入到分布式雷达目标跟踪系统中,从而为跟踪算法的合理选择、算法参数的优化设计,以及实际系统的研制提供有力支撑。     

军用飞机综合效能/费用评估方法

军用飞机的效能与费用是两个相互制约的因素,对两者进行科学合理的综合评估,对于军用飞机的发展和使用有着很重要的意义。在分析综合效能/费用的基本评估指标基础上,提出了在军用飞机全寿命周期综合效能/费用评估指标,重点对作战使用阶段的最佳效能/费用进行评估分析,最后给出结论。     

基于改进的混合高斯模型的背景建模方法

提出了一种基于改进的混合高斯模型的背景建模方法,克服了经典混合高斯模型方法计算量大和对长时间静止物体转为运动及光照突变较为敏感的缺点。首先,在经典混合高斯模型方法的基础上,引入了一种新的高斯分布个数的自适应选择策略,提高了建模效率。其次,分析了经典混合高斯模型方法对长时间静止物体转为运动及光照突变较为敏感的原因,采用了一种不同区域更新率的自适应选择策略,能够迅速响应场景的变化,有效地解决了大面积误检问题。通过在典型的场景下与经典混合高斯模型方法进行比较,验证了本文算法的有效性。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

航天测控系统任务可靠性分析的EOOPN模型

提出了一种可用于航天测控系统任务可靠性分析的扩展面向对象Petri网（extend object-oriented Petri nets, EOOPN）模型,旨在对给定的航天测控方案进行可靠性评估分析。针对问题特点明确了OOPN扩展思路,给出了EOOPN模型的形式化定义、运行规则和建模步骤,模型通过引入公共库所、激发弧、消息变迁和消息处理函数等概念,体现了面向对象的思想,具有很好的层次性和模块性。所建立的EOOPN模型能够完整的描述航天测控系统的组成和任务特点。通过对算例模型仿真运行,表明实验结果具有良好收敛性,与Markov解析值对比误差在1%以内,从而验证了模型的有效性。