圆筒结构冲击载荷测试研究

为了能够在大型飞机模型撞击混凝土靶体试验中准确预估冲击载荷,建立了小尺寸的圆筒结构冲击载荷的测试系统.测得了圆筒结构的减加速度时程曲线,结合线密度分布,理论计算得到冲击载荷时程曲线,与试验所测冲击载荷对比,验证理论计算方法的正确性,并在此基础上确定理论计算公式修正系数.     

电动汽车新型线控制动单元及其控制系统

针对电动汽车全电驱动特性,为提高其制动性能,设计了一种基于电磁直线执行器的全新线控制动单元——直驱电液制动单元.介绍了该制动单元的结构和原理,以某型制动器为基础,完成了样件改装和试制工作,并基于TMS320F2812数字信号处理器建立了制动单元控制和驱动系统,同时设计了双闭环抗干扰控制算法调控其制动力.试验结果表明,直驱电液制动单元响应迅速,能够准确调控制动力,具有良好的应用前景.     

局部扭曲立方体在一维阵列光网络中的路由与波长分配

探讨局部扭曲立方体LTQ_n通信模式在一维阵列波分复用光网络中的路由与波长分配问题.首先通过LTQ_n的最大导出子图得到拥塞,即所需要的最少波长数;其次给出一个路由与波长分配策略,从而证明了最优波长数为2~(n+1)/3.     

视网膜血管分割算法研究

针对现有的视网膜血管分割方法对微细血管分割精度低的问题, 在多尺度单通道线性追踪(MSLTA:Multi-Scale Single-Channel Linear Track)的图像分割方法基础上, 提出了一种新的、 有效的视网膜血管分割方法。采用 Gabor 滤波预处理以增强血管信息, 利用 MSLTA 算法获得最初的血管网络, 采用连通域标记的去噪方法,去除图像上的斑点噪声, 分割出最终的血管。 利用国际上公开的 DRIVE(Digital Retinal Images for VesselExtraction)数据库的视网膜图像进行实验, 并与现有的常规算法做了对比。 多组实验结果表明, 该方法的平均精确度达到 95. 37%, 能很好地保留微细血管。     

基于信任度变化趋势的云服务选择模型

针对云服务选择过程中,用户难以选择可信、可用、可靠的云服务问题,本文提出一种基于信任度变化趋势,并结合QoS服务质量的云服务选择模型.首先,信任度的计算分为两部分,一部分根据贝叶斯原理计算信任度值,另一部分是将历史信任度值进行最小二乘的拟合,得到能更准确地反映信任度值的变化趋势值,根据信任度变化趋势值对信任度值进行修正,确定其综合信任度值.然后,根据云服务的QoS量化模型,计算得到客观的QoS值,在此基础上,引入了信息熵的概念来确定可信参数加权的问题,从而得到最优的服务选择.仿真实验表明,该模型能够体现云服务主体信任度的变化,增强云服务选择的预判能力,有效地提高服务选择的成功率.     

一种用于室内定位的线性规划算法

针对基于ToA定位中存在的信标节点较少和发送时间不能提前预知的问题,提出了一种新的应用于无线传感网络室内定位的线性规划算法.通过考虑测量值的最小平均绝对值误差,利用线性逼近方法,将一个复杂的、非凸的室内定位问题转换为一个简单的线性规划问题,并用迭代求精的方法求出最优解.仿真结果表明,提出算法计算复杂度低,收敛速度快,可以快速地求出未知节点的坐标;通过和已有的定位算法相比,提出算法在信标节点较少的情况下,仍能保持很好的定位精度,利用较少的节点资源达到比已有算法更好的定位性能.     

一种改进的无人工变量单纯形算法

对Arsham的算法作了重要改进以便使其运行得更好,目标使所有基人工变量之和最小。首先,对非基变量按其简约价值系数从大到小逐列向前搜寻,将满足条件的变量带入基变量集,当简约价值系数为非正时终止。然后,以目标当前值与最优值的均值作为临界值,应用经典单纯形算法求解,当目标值超过临界值时,重复上述过程,直至基变量集处于完全状态。在计算机上对24个标准测试问题进行初步数值试验,计算结果表明,本文提出的改进算法比经典单纯形算法所用的总迭代次数要少得多,在22个问题上耗费更少的计算时间,大大改进了Arsham算法的计算效率,比Gao的一种改进算法的计算性能更稳定,因而是有价值的。     

基于圆盘极点约束的系统不确定项容忍区间分析

在线性系统中基于Lyapunov稳定性理论,讨论了双不确定项同时波动时其容忍区间的算法,并结合闭环极点配置和线性矩阵不等完成圆盘极点配置问题中系统不确定项的冗余设计。数值仿真验证了本文控制器设计方法的可行性。     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

一种分数域二分法 LFM 信号参数估计方法

针对传统基于分数阶傅里叶变换（fractional Fourier transform,FRFT）的线性调频（linear frequency modulated, LFM）信号参数估计方法中估计精度和计算量难以同时满足实际要求的问题,提出一种分数域二分法的 LFM信号参数估计方法。该方法分析量化了变换阶次误差对参数估计误差的影响,利用单分量 LFM信号变换阶次和分数域展宽的关系,通过迭代不断缩小变换阶次的取值范围,获得满足初设阈值的最优阶次,并利用最优阶次和峰值位置对 LFM信号进行参数估计。采用逐次重构消除的方法,可以对强弱混合的多分量 LFM信号进行参数估计。仿真结果表明,在满足信噪比要求的条件下,该方法能够有效地对 LFM信号进行参数估计,可以通过参数估计精度的要求选择不同阈值,与传统方法相比,在参数估计精度相当的情况下大大地减小了计算量。