SINS/GPS/DVL组合导航系统的容错研究

结合SINS／GPS／DVL组合导航系统各子系统的特点，提出了一种新的容错设计方案。此方案采用并列运行的滤波器族结构，该结构可以提供不受污染的最优解，且具有容错性好和系统输出数据热备份等优点。仿真结果表明，此方案既可有效地监测和隔离系统故障，同时保证了系统的精度。     

容错信息融合滤波算法的研究

本文针对容错组合导航的特点，提出一种新的信息融合滤波算法，该算法既能提高系统的容错性能，使系统具有良好的实时故障检测、隔离和重构的能力，又能使系统出现故障时，重构的系统由于获得了融合的系统信息，以较高的精度工作。文中证明该算法与集中卡尔曼滤波器等效，因而是最优的。     

求解Helmholtz方程基于核重构思想的最小二乘配点法

基于核重构思想构造近似函数，将配点法和最小二乘原理相结合对微分方程进行离散， 建立了Helmholtz方程的最小二乘配点格式，并分别研究了Helmholtz方程的波传播问题和 边界层问题. 通过数值算例可以发现，给出的数值计算结果非常接近于精确解，计算精度明显高于SPH 法的数值结果，且随着节点数目的增加，其精确度越来越高，具有良好的收敛性.     

求解二维Euler方程有限单元边插值的降维重构算法

数值求解二维Euler方程的有限体积法（如k-exact，WENO重构、紧致重构等），无一例外地要进行耗时的网格单元上的二维重构.然而这些二维重构最后仅用于确定网格单元边界上高斯积分点处的解值，单元上二维重构似乎并非必需的.因此，文章提出用网格边上的一维重构来取代有限体积法中网格单元上的二维重构，分别在一致矩形网格和非结构三角形网格上发展了基于网格边重构的求解二维Euler方程的新方法，称为降维重构算法.数值算例表明该算法可以计算有强激波的无黏流动问题，且有较高的计算效率.      

软体操作器结构设计及植入式光纤传感方法

为解决微创手术软体机器人的形状实时监测问题,将刻有三个光纤布拉格光栅的单根光纤植入软体操作器中,利用其研究柔性硅胶软体操作器光纤传感和三维形状重构方法。进行了软体操作器的结构设计及模型建立,并对光纤光栅波长漂移量和软体操作器弯曲曲率之间的关系进行了理论分析;通过实验验证了软体操作器结构设计及其模型建立的有效性,测试了软体操作器不同弯曲状态下三个FBG传感器的反射谱特征及其变化规律;通过分析三个FBG传感器的中心波长漂移量,利用线性插值算法计算出软体操作器在不同弯曲状态下的曲率等参数,并结合曲线拟合方法实现软体操作器的三维形状重构。实验结果表明:植入式光纤光栅传感方法可以实现硅胶软体手术操作器的三维形状传感,在微创外科手术领域具有广阔的应用前景。     

基于光谱空间重构的非监督最邻近规则子空间的高光谱异常检测

针对高光谱遥感影像维数高、数据量巨大且地物分布复杂,导致背景与异常难以区分的问题,提出一种基于光谱空间重构的非监督最邻近规则子空间异常探测算法.首先通过基于结构张量的波段选择算法,去除噪声像元,选择更有效的波段.然后,通过光谱空间重构增加背景与异常的绝对光谱距离.最后,为了充分利用背景字典之间的空间相似性信息,将空间距离权重引入到非监督最邻近规则子空间算法中,提高检测精度.为验证所提算法的有效性,用四组真实的高光谱数据进行实验,研究了不同参数对检测结果的影响.结果表明,与其他异常检测算法对比,所提算法具有更好的检测效果.     

大数据，重构企业智慧

“今天，大数据已经渗透到每一个行业和业务职能领域，并逐渐成为重要的生产因素，而人们对于大数据的运用，也预示着新一波生产率增长和消费者盈余浪潮的到来。毫不夸张地说，我们现在已经处在一个大数据深入影响人们生活方式以及社会经济发展方式的新时代。”     

Hermite梯度重构核近似配点法及其在功能梯度材料板的静力分析中的应用

由于直接配点法在求解边值问题时边界上的求解精度较低,本文提出了Hermite梯度重构核近似配点法（HGCM）来改进边界求解精度。重构核近似是无网格法中一种常用的近似函数,但是其在求解高阶导数时格式复杂且非常耗时。HGCM采用梯度重构核近似构建形函数的任意高阶导数,提高了计算效率;通过Hermite配点法构建离散方程,提高了边界求解精度。这种方法在求解对应变系数四阶偏微分方程的功能梯度材料板的静力问题时精度高,计算效率高,并可进一步推广应用于高阶偏微分方程描述的边值问题。     

卷积神经网络在流场重构研究中的进展

近年来, 随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展, 该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向. 传统的方法无法有效地处理这些庞大的数据, 深度学习因其具有强大的函数拟合能力, 可以从大量的数据中挖掘有用的信息. 当前, 流体力学深度学习技术有了初步的一些研究成果, 在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值, 其应用潜力逐渐得到证实. 如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘, 快速智能感知及重构流场, 可为主动流动控制提供重要指导. 本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展, 文章首先介绍卷积神经网络的一些基本概念以及基本网络结构, 之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论, 并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果, 最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望.