含裂纹梁参数的谐响应识别

主要研究含裂纹梁在简谐激励作用下的动力特性,提出一种依据幅值变化对裂纹参数进行识别的新方法。首先,在振动过程中考虑裂纹的呼吸特性,以悬臂梁为例建立含裂纹梁的二维有限元模型,指出在一般激励频率下,其对应的幅值均是明显信号,可用来描述裂纹梁的动力特性。其次,当激励频率分别取无裂纹梁一阶频率的1/4和二阶频率的1/4时,幅值随裂纹参数的变化明显不同,可依据响应幅值的变化对裂纹参数进行识别。然后,利用曲面拟合技术绘出幅值变化曲面,对未知参数的裂纹进行识别,验证了该方法的有效性,并归纳出利用幅值变化对任意裂纹参数进行识别的基本步骤。最后,针对无裂纹梁频率计算可能存在误差的情况,分析识别方法的鲁棒性,结果显示即使最大误差为10%,该方法也能对裂纹参数进行准确识别。     

福建省第十届大学生结构设计竞赛结构优化分析1)

以增加结构模型承载自重比与实现结构鲁棒性为目标,通过力学计算、有限元分析和实体模型试验,从材料性质、结构选型、杆件截面设计和制作工艺等方面,对结构模型进行了优化分析,提出了准确掌握材料性能和结构受力特点是结构模型优化的前提条件。     

基于气动特性翼型参数化方法的适用性研究

翼型的优化设计在飞机的研发生产过程中占据相当重要的地位,因为翼型的几何外形会直接影响到飞机的整体气动性能．合理选择恰当的翼型表达方式是翼型优化设计成功的关键之一,其中,参数化方法在近年来得到了广泛应用．针对翼型参数化方法,提出“几何鲁棒性”和“性能鲁棒性”作为评判方法优劣的重要参考标准．选取三种常用的翼型参数化方法--NURBS、CST和PARSEC方法,七种不同类型的翼型,采用四项指标作为系统的评判准则来研究各方法的拟合精度与多点扰动下的几何鲁棒性,并利用Foil Design软件计算气动性能的相关数据,研究各方法在多点扰动下的性能鲁棒性．经对比分析,这三种参数化方法对大部分翼型均具有良好的表达能力,且不同程度地体现了一定的几何鲁棒性与性能鲁棒性．     

多渐消因子卡尔曼滤波及其在SINS初始对准中的应用

针对卡尔曼滤波在系统模型失配和未知干扰情况下鲁棒性差的特点,对于一类线性模型提出了多渐消因子卡尔曼滤波算法。该算法利用卡尔曼滤波取得最佳增益时残差序列互不相关的性质,可以在线自适应地调整多个渐消因子,从而对多个数据通道进行渐消,即使当滤波达到稳态时仍然可以调整滤波增益,使得该算法对模型失配和未知干扰有较强的鲁棒性。将该算法用于噪声统计不准确的SINS初始对准,数值仿真表明,当系统模型存在不准确情况时,新方法对航向误差角的估计精度较单渐消因子卡尔曼滤波和常规卡尔曼滤波分别提高了70%和43%,证明了该算法的有效性。     

基于通用模块化的大型空间飞行器地面供配电系统设计

地面供配电系统一直存在体积过于庞大、系统通用性稳定性差问题。基于通用模块化的设计方案,从基本功能实现模块的角度,将系统划分为功率继电器模块、信号继电器模块、PXI控制模块、地面电缆模块、软件实现模块等,通过对这些模块的通用性设计及部分软硬件功能的整合,实现了减少系统体积规模、加大系统集成化及小型化程度、提高系统间通用性及鲁棒性的目的。     

多星联合鲁棒性调度模型研究

在多星联合调度过程中,存在着很多不确定性因素,其中云层覆盖变化是主要的不确定性来源.本文针对考虑云层覆盖变化的多星联合调度问题,借鉴了连续函数的鲁棒性优化思想,提出了一种基于邻域的鲁棒性指标.在此基础上,建立了多星联合鲁棒性调度模型,给出了观测任务优先级的计算方法.实例研究表明,本文建立的模型能够在保证调度方案性能的基础上,获得鲁棒性强的调度方案.     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

基于人脸重要特征和SVM的人脸识别方法

提出了一种基于人脸重要特征的人脸识别方法,首先选取人脸的重要特征并将其具体化,对得到的重要特征进行主成分分析,然后用支持向量机(Support Vector Machine,SVM)设计重要特征分类器来确定测试人脸图像中重要特征,同时设计支持向量机(SVM)人脸分类器,确定人脸图像的所属类别.对ORL人脸图像数据库进行仿真实验,结果表明,该方法要优于一般的基于整体特征的人脸识别方法并有较强的鲁棒性.