利用基于主成分分析 (PCA) 算法的径向基 (RBF) 神经网络对大气中 SO2 浓度进行滚动预测。以北京大兴地区 2019 年 9 月 1 日至 2020 年 10 月 31 日的气象数据和空气质量参数为基础, 结合逐步回归法筛选出与 SO2 线性相关的参数作为输入样本, 构建 PCA-RBF 预测模型。利用该模型预测北京大兴地区某天的 SO2 浓度, 将预测值保留并作为下一天预测模型的输入参数。以此将预测值不断地向前延伸并进行分析和预测, 从而实现 SO2 浓度的滚动预测。对比 RBF 网络和 PCA-RBF 网络两种模型的预测结果, 其中 PCA-RBF 模型期望值和预测值的误差及相关系数分别为 0.03 μg·m-3 和 0.9989。表明 PCA-RBF 网络模型能精准预测 SO2 浓度变化趋势, 为进一步解决大气污染问题提供技术支持。

红外诱饵会引偏导引头光轴指向、迫使制导信息出现阶跃跳变, 从而降低导弹制导精度。为探究制导信息跳变缘由, 建立了基于跳变视线角速度的脉冲叠加模型。首先, 基于红外导引头识别原理, 分析了视线角速度变化特征, 初步建立了视线角速度跳变模型; 通过大量仿真分析, 确定了影响跳变特性的影响因子集; 同时, 利用Morris灵敏度分析法筛选跳变模型的解释变量, 进而降低了模型复杂度; 基于各解释变量的作用, 引入逐步回归分析法求解跳变模型的回归参数。最后通过典型对抗态势下的预测结果对跳变模型的泛化能力进行了验证, 实验结果表明该模型对于跳变时刻及跳变强度的预测精度可达10-2 s及10 (°)/s。

针对激光陀螺惯导的温度补偿，将影响激光陀螺零偏的各种可能的变量作为零偏补偿的状态变量，利用逐步回归分析方法，挑选出对零偏贡献较大的显著变量，建立精准的数学物理模型，并对实测的激光陀螺进行温度补偿建模。结果表明，温度变化率以及与温度的交叉积对温度补偿模型的影响不显著，得到的温度补偿模型可以对陀螺的零偏进行实时补偿, 提高了陀螺的精度。

Bias of ring-laser-gyroscope (RLG) changes with temperature in a nonlinear way. This is an important restraining factor for improving the accuracy of RLG. Considering the limitations of least-squares regression and neural network, we propose a new method of temperature compensation of RLG bias-building function regression model using least-squares support vector machine (LS-SVM). Static and dynamic temperature experiments of RLG bias are carried out to validate the effectiveness of the proposed method. Moreover, the traditional least-squares regression method is compared with the LS-SVM-based method. The results show the maximum error of RLG bias drops by almost two orders of magnitude after static temperature compensation, while bias stability of RLG improves by one order of magnitude after dynamic temperature compensation. Thus, the proposed method reduces the influence of temperature variation on the bias of the RLG effectively and improves the accuracy of the gyro scope considerably.

介绍了一种干涉波面的Zernike多项式拟合方法,该方法从构造的正规方程入手并对其进行逐步回归分析,从众多的Zernike多项式模式中选取影响显著的模式.采用仿真波前对本文提出的波面拟合方法进行了验证,结果表明该方法可以得到干涉波面的最优模式组合,有效提高波面拟合的精度,拟合的PV和RMS相对误差仅为1.11%和0.07%.