基于多特征的BP神经网络LSS目标识别方法

为更好地从可见光探测图像中对“低慢小”无人机目标进行识别和分类,对含有旋翼无人机、固定翼无人机和城市飞鸟这三类目标的图像进行灰度化、二值化等预处理,建立了目标圆形度、Hu不变矩、仿射不变矩特征提取模型以及多特征融合模型.在此基础上,提出了一种基于多特征的BP神经网络目标识别方法,构建包含输入层、隐含层、输出层的三层神经网络训练模型,并明确了该模型的训练过程.选取了三类目标图像,以其中每类各150张作为样本训练集,每类各50张作为样本测试集,通过计算损失函数来判定目标类别.结果 表明:上述方法的识别率达92.67％,可实现对城市空域环境的“低慢小”目标的识别.     

两种被动减振阻尼器的参数选择和量化分析

调谐质量阻尼器(TMD)是常见的一种阻尼器,而近年来在汽车行业中应用的机械式惰性阻尼器(IRD)是基于两端之间的相对位移工作的被动阻尼器,具有惯性质量放大的特点。在具体应用时,选择合适的阻尼器参数来获得较优的结构振动性能或足够大的阻尼,缺乏理论指导。本文总结了能用于定量描述TMD和IRD阻尼器参数和结构固有模态之间关系的方法,并研究了阻尼器安装位置对阻尼器参数的影响。结果表明IRD和TMD具有不同的工作原理,IRD安装在悬臂梁根部能更有效地使结构达到模态阻尼目标,而TMD安装在悬臂梁尖端工作更为有效。在参数量化过程中,柔性结构的非共振模态的影响不可被忽视。本文的研究在阻尼器最优参数选择用于调谐柔性结构振动模态的应用中具有重要的意义。     

非线性方程的2阶正交解法

对于非线性动力学方程的数值求解,一般的处理方法是,通过坐标变化将其转化为1阶形式,然后借助计算机进行求解,获取系统的一些非线性特征,如滑移、分叉等。本文中的2阶正交法是在原有的微分方程的基础上对非线性方程的弱非线性特性进行直接分解,获取非线性项对频响函数与动力学方程响应的贡献分量,可快速获取非线性动力学方程的频响函数表达通式以及动力学方程的响应,并通过对Duffing方程进行算例说明。