学科分类
/ 1
7 个结果
  • 简介:在飞行器的气动外形优化设计中,参数化方法和优化算法具有十分重要的作用,对优化的计算时间、设计空间的数学特性有着深刻的影响.类别形状函数(classandshapetransformation,CST)方法是一种简洁高效的参数化方法,但对于复杂曲面很难使用统一的CST方法进行拟合.文章首先介绍了CST方法的三维实现,分析了其数学性质,提出了分块CST参数化方法,保留CST方法的特性,实现了分块曲面之间的光滑连接.针对气动外形优化设计的复杂情况,需要根据具体的飞行任务提出设计目标,并处理不同目标的矛盾问题.其次采用Pareto策略自动寻找最优方案集,并基于分块CST参数化方法、遗传算法和气动力快速计算方法,对类乘波翼身组合飞行器进行了优化设计,并改变原有问题的设定条件优化得到了全新外形.研究结果表明分块CST方法参数少,精度高,Pareto策略处理多目标准确有效,是气动外形优化设计中非常有用的工具.

  • 标签: 分块曲面 类别形状函数法 类乘波翼身组合体 遗传算法 多目标 气动外形优化
  • 简介:为了研究超高声速飞行器发动机尾焰喷射高温高速气流的辐射特性,对尾焰成分CO2及H2O分子在4.3和2.7μm大气窗口红外辐射波段进行了测量.利用高温燃气激波风洞模拟产生超高声速飞行器尾焰喷流,喷流速度M=5.5.实验中选用单元型InSb红外探测器,并利用黑体进行原位定标.测量距离为0.7m,采用单透镜成像加光阑的方法收集光信号.实验中分别沿喷流方向喷流垂直方向进行了多点测量,通过定标结果反演得到尾焰在4.3和2.7μm分别沿喷流方向和喷流垂直方向的光谱辐亮度和波段辐亮度分布,测量结果表明4.3μm辐射强度及稳定性均高于2.7μm.

  • 标签: 高超声速飞行器 尾焰 红外辐射
  • 简介:针对单一图像源下目标跟踪精度不高的问题,利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型,选取红外图像的“灰度梯度背投影”作为改进的目标模型;然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的口‘系数判定两种图像跟踪的效果,对两种图像的权重进行自适应调整,得到这两种图像的特征级融合图像和跟踪结果。实验结果表明,对于320像素×240像素的可见光和红外图像,基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标目标跟踪精度为0.5像素,跟踪速度为30~32ms/帧。

  • 标签: 目标跟踪 图像特征融合 可见光图像 红外图像 连续自适应均值移动跟踪算法
  • 简介:移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象,实现非理想光照下,对橘红色目标足球的运动检测。提出在传统三帧差分法基础上,先利用Markowitz投资组合模型进行足球目标的特征提取,将场地非感兴趣的目标中,出现全部像素值发生变化的目标去除,再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制,选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像,结果表明跟踪图像不含非目标的干扰,克服了差分图像存在空洞的问题,为移动机器人提供了一种实用的运动目标检测方法。

  • 标签: 三帧差分法 MARKOWITZ投资组合模型 运动目标检测 移动机器人 像素值
  • 简介:光学目标模拟器是光学成像制导仿真系统中的关键设备之一。本文在介绍圆弧导轨式和框架式两种光学目标模拟器机械结构方案的基础上,详细分析了框架式机械结构的诸多优点。最后,总结了框架式目标模拟器研制中的一些关键技术

  • 标签: 光学目标 模拟器 仿真 结构设计
  • 简介:在外挂投放过程中,载机对外挂具有气动干扰效应,产生附加气动力.对于弹性机翼,在外挂分离投放时,相当于给机翼一个初始扰动,机翼将发生弹性振动,该振动也会对外挂带来气动干扰效应.通过耦合求解非定常N-S方程刚体六自由度方程和基于模态法的结构动力学方程,对考虑弹性变形的载机外挂分离投放过程进行模拟,研究了弹性机翼对外挂的气动干扰效应.研究结果表明:在外挂分离初期,弹性机翼的干扰对外挂气动力响应产生显著影响,机翼的主要结构模态频率决定了外挂气动力的变化频率,并且由载机机翼动弹性变形引起的干扰气动力能占到外挂总气动力的一半左右.

  • 标签: 外挂物分离 干扰气动力 弹性变形 动力学响应
  • 简介:对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波(STF)和基于三阶球面-向径容积规则的容积卡尔曼滤波(CKF)相结合的强跟踪-容积卡尔曼滤波(STCKF)。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。

  • 标签: 弹道式再入目标跟踪 容积卡尔曼滤波 自适应渐消因子 非线性系统