三视场星敏感器的多级星图识别算法

为解决现有三视场星图识别算法效率慢、识别正确率低的问题,提出了一种面向三视场星敏感器的多级星图识别算法:第一阶段利用单一可调参数的广义回归神经网络分别识别三幅单视场星图;第二阶段利用星库中存储的星间角距信息检验导航星识别结果,再以正确识别的导航星信息计算星敏感器的3个视轴指向;第三阶段利用视轴指向辅助未识别与识别错误的导航星完成识别与校正;最终,以三视场内正确识别的导航星精确估计飞行器姿态信息。仿真结果表明,当星点质心定位误差的标准差达到0.07像素时,该星图识别算法对实验样本的识别正确率仍高达98.9%,而识别时间仅为8.464 5 ms。同时,由于提供求解姿态的星点信息较多且分布更广泛,飞行器的三轴姿态估计精度也随之提高。三视场星敏感器估计的飞行器偏航、俯仰、和滚转轴姿态精度分别为1.205 8″,1.086 7″以及1.201 8″。     

小山电站混流式水电机组运行稳定性分析

小山电站机组为80 MW混流式水轮发电机组,为了检验机组的运行特性,在机组大修后,对机组进行了稳定性试验,通过试验,分析各运行工况下机组各部位振动摆度、压力脉动数据,找出机组振动原因,从而为机组避振运行、提高运行寿命提供科学依据.     

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter (UKF) and the divided difference filter (DDF), are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling’s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uncorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.     

2000m~3球罐残余应力、工作应力对比分析

报道了某炼油厂２０００ｍ３液化气球罐实际运行一年后的应力状况,对球罐的残余应力及工作应力进行了现场测试．采用Ｘ射线法,用日本理学公司生产的ＰＳＦ－２ＭＸ射线应力仪对残余应力进行了测试．测试结果发现球罐组装时虽经过整体热处理,但运行１年后局部残余应力仍高达０．９０σｓ等问题．为此采取了了局部热处理等措施．结果表明：残余应力总体水平有所降低,但仍存在个别点应力较高问题,需监控运行．     

基于STAP的机载雷达弱目标检测前跟踪

针对载机运动及地杂波场景下的弱目标检测跟踪问题,提出了一种基于空时自适应处理的检测前跟踪算法.在目标检测跟踪处理之前,首先利用空时自适应处理抑制杂波和噪声;接着采用脉冲压缩进行距离处理;最后在原始观测数据基础上,采用Viterbi算法进行目标检测与航迹恢复.仿真结果表明此算法可以提高弱目标的检测概率及跟踪概率.     

基于描述特征的人脸识别研究

针对基于主成分分析识别人脸存在计算复杂、不能准确地估计训练图像的协方差矩阵等问题,提出了一种基于描述特征的人脸识别算法(Expressive feature face recognitionalgorithm, EFFRA).该算法用训练图像的右奇异向量代替PCA求解的子空间的基向量,避免了将人脸图像转换成图像向量,明显降低了计算复杂性.进一步研究发现,EFFRA提取的每一个主成分向量中含有冗余,在此基础上,利用PCA实现了EFFRA的简化算法(MEFFRA),在ORL和Essex数据库上的实验结果表明,EFFRA及MEFFRA明显优于特征脸算法,MEFFRA的识别精度略好于EFFRA,但明显减少了对存储空间的需求.     

基于证据冲突度的多传感器冲突信息组合方法*

针对Dempster组合规则在多传感器冲突信息融合方面的不足,提出了改进的证据冲突的定义及基于冲突系数和Jousselme距离的证据冲突度的计算公式,给出了一种新的基于证据冲突度的证据加权融合方法。该方法首先利用证据冲突度构造证据相互支持度矩阵,进而计算证据的权重,最后利用Dempster规则对加权修正后的证据进行融合。数值实例表明：该方法可以有效融合高冲突信息,与Dempster组合规则和几种典型的加权证据融合方法相比,具有更快的收敛速度,而且收敛效果更好。     

基于鲁棒最小二乘支持向量机的气动参数拟合

最小二乘支持向量机（LS－SVM）比标准支持向量机具有更高的计算效率,但是却散失了标准支持向量机的稀疏特性,而且当考虑异常值或者误差变量的高斯假设不成立时,会导致不稳健的估计结果。为了克服这两个缺点,在飞行器的气动参数拟合计算中引入了一种鲁棒最小二乘支持向量机（RLS－SVM）,该方法通过加权的支持向量机来获得鲁棒估计,并通过对支持值谱进行剪枝最终得到稀疏解。仿真结果表明：RLS－SVM方法简单,学习速度快,拟合精度高,鲁棒性强,是一种在飞行器轨迹计算中值得推广和采用的方法。     

一种改进的DSmT及其在目标识别中的应用

与D-S理论相比,DSmT可以很好地解决证据矛盾时的证据组合问题,但是DSmT在很多情况下主焦元mass函数难以收敛。在标准DSmT的框架下,将其融合后的mass函数进行重构,从而提出一种改进的DSmT,该算法的主焦元mass函数可以快速收敛。在进行二维飞机序列图像的目标类型识别中,该改进DSmT进行迭代运算,可使主焦元的mass值快速收敛到指定的阈值,以便完成准确的目标识别。     

一类非线性滤波器—— UKF 综述

回顾了UKF算法的发展，从一般意义讨论了UT变换算法和采样策略的选择依据，并给出了UKF算法描述．从条件函数和代价函数入手，在给出多种采样策略的基础上对UKF采样策略进行了分析和比较．最后对UKF算法未来可能的研究方向进行了探讨．