本文選題：風(fēng)切變 + 計算流體力學(xué)　； 參考：《中國民航大學(xué)》2014年碩士論文

【摘要】：低空風(fēng)切變是一種嚴(yán)重影響飛機飛行的大氣現(xiàn)象,不同風(fēng)切變類型有其各自不同的風(fēng)場特征,對飛行的影響也大有不同。正確識別風(fēng)切變類型,能為飛行員做出相應(yīng)的操作帶來極大的幫助。因此,積極開展對低空風(fēng)切變的識別具有重要的現(xiàn)實意義和實用價值。低空風(fēng)氣變具有突發(fā)性、持續(xù)時間短、尺度小等特點,并與實際的地形、氣候等相關(guān),使其實際數(shù)據(jù)探測比較困難。在忽略地形、氣象因素條件下,采用計算流體力學(xué)(Computational Fluid Dynamic,CFD)仿真軟件結(jié)合多普勒測風(fēng)激光雷達的掃描方式,構(gòu)造了微下?lián)舯┝�、低空急流、順逆風(fēng)以及側(cè)風(fēng)低空風(fēng)切變的樣本,基于圖像特征對低空風(fēng)切變進行分類識別。首先,根據(jù)微下?lián)舯┝�、低空急流、順逆風(fēng)以及側(cè)風(fēng)低空風(fēng)切變的樣本特性,選擇對圖像形狀關(guān)系變化不敏感的矩方法提取風(fēng)切變特征。主要研究了基于三次B樣條小波基的小波矩形狀特征提取方式,使得不僅在圖像徑向速度信息較全面時,較好地描述風(fēng)切變的全局矩特征;同時,在圖像樣本徑向速度信息存在一定缺失度時,也能精確地刻畫其未缺失的局部特征,達到較好地識別性能。為驗證小波矩特征提取算法的有效性,先采用復(fù)雜度較低地Fisher線性判別方式(Linear Discriminative Analysis,LDA),最大化樣本可分性降低小波矩維數(shù),送入三階近鄰識別四種低空風(fēng)切變。其次,在此基礎(chǔ)上進一步研究了小波矩特征的選擇,目的是再次提高風(fēng)切變的識別性能。通過分析對比幾種已有的改進自適應(yīng)遺傳算法(Improved Adaptive Genetic Algorithm,IAGA)的優(yōu)缺點,創(chuàng)建了一種新的改進自適應(yīng)遺傳算法。該算法在均勻把握種群進化方向時,根據(jù)個體在當(dāng)代群體中的作用豐富種群的多樣性,更適于選擇小波矩的最優(yōu)特征子集,使風(fēng)切變達到了一個穩(wěn)定、較優(yōu)地識別效果。
[Abstract]:Low level wind shear is an atmospheric phenomenon which seriously affects the flight of aircraft. Different types of wind shear have their own characteristics of wind field and have different effects on flight. The correct identification of wind shear type can greatly help the pilot to make the corresponding operation. Therefore, it has important practical significance and practical value to actively carry out the identification of low-altitude wind shear. The low-altitude gas change is characterized by sudden occurrence, short duration, small scale and so on, which is related to the actual terrain and climate, which makes it difficult to detect the actual data. Under the condition of neglecting the terrain and meteorological factors, using computational fluid dynamics Fluid dynamic CFDs and the scanning mode of Doppler wind lidar, the samples of micro-downburst flow, low-altitude jet flow, headwind and crosswind low-altitude wind shear are constructed. Classification and recognition of low altitude wind shear based on image features. Firstly, according to the sample characteristics of micro-downburst, low-altitude jet, headwind and crosswind low-altitude wind shear, the moment method which is not sensitive to the change of image shape relationship is selected to extract the wind shear feature. Based on cubic B-spline wavelet basis, wavelet rectangular feature extraction method is studied in this paper, which not only describes the global moment feature of wind shear better when the radial velocity information of image is more comprehensive, but also, When the radial velocity information of the image sample has a certain degree of deficiency, it can also accurately describe the local features that are not missing, and achieve better recognition performance. In order to verify the validity of the wavelet moment feature extraction algorithm, linear Discriminative analysis is used to maximize the sample separability and the wavelet moment dimension is reduced by using the lower ground Fisher linear discriminant method. The wavelet moment dimension is reduced and the third order nearest neighbor is sent to identify four kinds of low-altitude wind shear. Secondly, the selection of wavelet moment features is further studied in order to improve the performance of wind shear recognition again. By analyzing and comparing the advantages and disadvantages of several existing improved Adaptive Genetic algorithms, a new improved adaptive genetic algorithm is proposed. This algorithm is more suitable for selecting the optimal feature subset of wavelet moments according to the function of individual in the contemporary population, which makes the wind shear reach a stable and better recognition effect.
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN957.52

【參考文獻】

相關(guān)期刊論文 前10條

1 蔣立輝;張春慶;熊興隆;莊子波;;基于仿真雷達圖像的低空風(fēng)切變類型識別研究[J];激光與紅外;2013年03期

2 蔣立輝;高志光;熊興隆;姚彬;莊子波;;基于激光雷達圖像處理的低空風(fēng)切變類型識別研究[J];紅外與激光工程;2012年12期

3 王向陽;楊藝萍;楊紅穎;;基于小波矩的抗幾何攻擊數(shù)字圖像水印算法研究[J];中國圖象圖形學(xué)報;2010年01期

4 趙東彥;白潔;;多普勒天氣雷達識別和預(yù)警下?lián)舯┝鱗J];氣象科技;2007年05期

5 王楠;劉黎平;徐寶祥;張建云;;利用多普勒雷達資料識別低空風(fēng)切變和輻合線方法研究[J];應(yīng)用氣象學(xué)報;2007年03期

6 王邦新;沈法華;孫東松;鐘志慶;夏海云;劉東;周小林;董晶晶;李穎穎;;直接探測多普勒激光雷達的光束掃描和風(fēng)場測量[J];紅外與激光工程;2007年01期

7 潘泓;夏良正;;基于多尺度分析的小波不變矩[J];電路與系統(tǒng)學(xué)報;2006年01期

8 任子武;傘冶;;自適應(yīng)遺傳算法的改進及在系統(tǒng)辨識中應(yīng)用研究[J];系統(tǒng)仿真學(xué)報;2006年01期

9 金晶,蘇勇;一種改進的自適應(yīng)遺傳算法[J];計算機工程與應(yīng)用;2005年18期

10 何通能,賈志勇;基于小波矩的車牌字符識別研究[J];浙江工業(yè)大學(xué)學(xué)報;2005年02期

相關(guān)碩士學(xué)位論文 前6條

1 陳超;自適應(yīng)遺傳算法的改進研究及其應(yīng)用[D];華南理工大學(xué);2011年

2 趙高攀;基于遺傳算法和模糊聚類的目標(biāo)識別技術(shù)研究[D];沈陽理工大學(xué);2011年

3 郭文星;復(fù)雜山地地形風(fēng)場CFD多尺度數(shù)值模擬[D];哈爾濱工業(yè)大學(xué);2010年

4 鄒熠;基于小波矩的圖像內(nèi)容識別技術(shù)研究[D];西南交通大學(xué);2010年

5 閆宏亮;改進的自適應(yīng)遺傳算法在桁架結(jié)構(gòu)優(yōu)化中的應(yīng)用[D];長安大學(xué);2009年

6 張虹;基于小波變換和不變矩的圖像目標(biāo)識別算法研究[D];北京工業(yè)大學(xué);2004年

，

本文編號：1922148