简介：分析了有限差分法曲线贴体坐标系下守恒型控制方程的推导过程,认为在离散条件下所采用的数学恒等式不成立,推断目前CFD广泛采用的齐次方程是原始Descartes直角坐标系下方程的近似,提出增加源项的非齐次方程作为离散等价方程.采用数值实验研究了源项,结论是大部分情况下源项不等于0,且对数值解的影响大于差分格式的截断误差,在分析了引起源项非0的原因和推导过程后,提出源项离散的相容性准则.利用坐标变换系数和守恒型方程对流通量的特性,建立了源项隐式计算的耦合算法,通过数值实验证明耦合算法有效消除了坐标变换引起的误差.

简介：导航雷达在采集、传输和显示过程中，由于多种因素的影响导致最终形成的图像中舍有大量的噪声，影响了使用者对导航信息的分析和应用。传统的雷达图像去噪算法大多采用小波变换，但这种方法存在边缘模糊等问题。为了去除导航图像的噪声并解决小波变换中存在的边缘模糊问题，本文提出用基于多尺度几何变换的图像去噪方法对导航雷达图像进行处理，并利用基于多尺度几何变换的方法（包括基于Curvelet系数维纳滤波去噪方法和基于Contourlet域去噪方法）和基于小波变换的BayesShrink方法分别对含有模拟杂波和噪声的导航雷达图像进行仿真实验。实验结果表明：与基于小波变换的图像去噪方法相比，基于多尺度几何变换去噪方法能够更加有效去除雷达杂波和噪声。

简介：为提高多传感器组合导航系统对各导航传感器的在线故障检测能力，提出了一种基于调频高斯小波变换的导航传感器故障诊断改进算法。该算法在分析调频高斯小波特性的基础上，采用高斯小波变换计算出观测量的小波系数后，然后利用带遗忘因子的数据平滑算法对小波系数进行平滑，通过判断平滑值来诊断导航工作正常与否。其优点是仅利用传感器的观测量来直接检测导航传感器故障，适当选择小波变换的拉伸因子和数据的衰减因子可以对方差突变等软故障进行有效的在线检测，并解决了误检问题。仿真结果证明了该算法的有效性。

简介：小型移动机器人在未知环境下运行，陀螺所受噪声干扰无法建立有效的数学模型，需要仅从观测信号中把噪声去除，并估计出原始信号，根据该特点提出一种微机电陀螺信号盲均衡迭代反卷积算法。该算法利用横向滤波器对陀螺信号进行反卷积运算，使用贝叶斯方法对信号进行估计，建立了误差函数并与LMS算法组合，实现了均衡器参数的自动调整，在小型移动机器人上进行了算法实验验证。实验结果表明，该算法可以有效分离角速度信号与噪声信号，其噪声信号幅值减小约10倍，移动机器人运行275.41s抵达终点的偏航角误差从13°下降到1.46°。

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.