一种基于频谱拟合的信号去噪方法

通常我们采用Fourier变换的方法对信号进行去噪 ,本文尝试提出一种新的方法滤除高频噪声与干扰以解决Fourier变换去噪的缺陷 ,在此称为频谱拟合去噪方法。     

基于混沌的改进粒子群优化粒子滤波算法

针对基本粒子滤波(PF)算法存在的粒子退化和重采样引起的粒子多样性丧失,导致粒子样本无法精确表示状态概率密度函数真实分布,提出了一种基于混沌的改进粒子群优化(PSO)粒子滤波算法。通过引入混沌序列产生一组混沌变量,将产生的变量映射到优化变量的区间提高粒子质量,并利用混沌扰动克服粒子群优化局部最优问题。利用单变量非静态增长模型(UNGM)在高斯噪声和非高斯噪声环境下将该算法与基本粒子滤波和粒子群优化粒子滤波(PSO-PF)的性能进行仿真比较。结果表明:该算法的性能在有效粒子数和均方根误差(RMSE)等参数都优于基本粒子滤波和粒子群优化粒子滤波,改善了算法的精度和跟踪性能。      

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。     

基于PSO的多星座GNSS垂直保护级优化方法

针对传统的高级接收机自主完好性监测（ARAIM）算法中完好性风险和连续性风险分配存在保守的问题,提出了一种基于粒子群优化（PSO）算法的完好性风险和连续性风险分配方法。将不同的分配策略作为算法中不同的粒子,选取不同故障子集对应的垂直保护级的加权和为适应度函数,每个粒子基于粒子群优化寻优原理更新其位置及速度直至满足条件,进而得到优化后的分配策略和对应的垂直保护级。通过双星座对所提方法进行验证,并与传统方法进行对比分析,结果表明:基于PSO算法的完好性风险和连续性风险分配策略优化了垂直保护级,提高了ARAIM全球可用性。      

一种自适应GNSS弱信号载噪比估计方法

全球导航卫星系统（GNSS）信号的载噪比（CNR）是衡量接收机工作性能的一个重要参数。为了准确得到载噪比估计值,推导并分析了2种常用的GNSS信号载噪比估计方法（方差求和法（VSM）、窄带宽带功率比值法（PRM））,并同时提出一种基于渐消因子容积卡尔曼滤波的自适应载噪比估计方法,比较了3种方法在通常的信号环境下和弱信号环境下的载噪比估计能力。结果显示:在信号较弱环境或信号受到遮挡产生突变等情况时,VSM方法与PRM方法均会产生较大的误差,而自适应载噪比估计方法能准确估计出信号的载噪比。      

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

一种基于组合赋权法的小波去噪质量评价方法

针对传统质量评价指标在小波阈值去噪中理论依据不足的问题,提出了一种基于组合赋权法的小波去噪质量评价方法,能够为小波去噪参数的选择提供有效评价。通过分析在真值未知情况下均方根误差（RMSE）、信噪比（SNR）、平滑度等单项指标的特点,选取RMSE与平滑度作为小波去噪指标,对其进行归一化处理,采用信息熵权与变异系数的方法进行组合赋权,将归一化指标与对应权值线性组合,得到一种新的指标即为复合评价指标,其值越小,说明去噪效果越好,所选参数越优。仿真实验表明,在真值已知情况下,该评价指标具有更高的准确性,能够适用于不同的分解层数与小波基函数,具有比传统方法更好的适用性;实测数据表明,所提方法得出的小波去噪峰值域更加光滑,波形更加平稳,去噪效果更佳。     

基于小波分析的火箭发动机试验流量数据去噪处理

在某型号火箭发动机试验中,液氧流量数据包含有大量的噪声成分,严重影响对发动机性能的评估.采用小波分析方法对含噪信号进行去噪处理.分析硬阈值、软阈值阈值去噪方法的特点.以信噪比作为选用Sym系和Db系小波基函数的衡量标准选取Sym5和Db9小波作为基函数.将Sym5、Db9小波基函数分别与自适应阈值选择无偏似然估计法(R...     

基于粒子群优化LSTM的股票预测模型

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化（PSO）的长短期记忆（LSTM）股票价格预测模型（PSO-LSTM）,该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题。通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度。实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析。结果表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性。      

基于CCD的单缝衍射条纹光强测量与小波去噪技术研究

通过CCD的数据采集对单缝衍射条纹的光强进行测量试验,简要分析了试验中的噪声来源.提出使用小波技术对CCD的采集信号进行噪声滤除,详细讨论了小波的分解与重构以及在去除噪声中的应用.试验结果表明,小波技术能完全滤除噪声.     

基于改进粒子群的绳驱连续型机械臂逆运动学分析

绳驱连续型机械臂具有良好的柔性和灵活性,能够在狭小的空间内运动,但相对于离散型机械臂,利用D-H参数构建运动学模型的方法不再适用,且连续型机械臂具有无穷自由度,逆运动学求解困难。针对一种两节的绳驱连续型机械臂的运动学问题,基于分段常曲率假设,建立了运动学模型,并分析了两节之间的运动学耦合关系。在此基础上,利用改进粒子群优化算法求解连续型机械臂逆运动学,通过仿真验证了该逆解算法的可行性和有效性,搭建了绳驱连续型机械臂的物理样机系统,并验证了基于分段常曲率假设的正运动学模型的正确性。     

考虑柔性检修计划的圆钢热轧批量调度

针对考虑柔性检修计划的圆钢热轧批量调度问题,构建了以最小化最大完工时间、订单提前及拖期总时长为目标函数的整数规划模型,用以制定有效的机器检修与批量生产协作计划。结合模型特征,提出一种改进多目标粒子群算法(IMPSO)实现求解。算法采用基于混沌加权适应度计算的插入式方法生成初始粒子群体;根据问题约束特征,设计修复规则对群体进化过程中产生的不可行粒子进行修复;采用精英策略保留算法迭代过程中的优势个体,并根据精英集合为每个粒子选择更新所需的极值;针对问题变量的离散特征,引入基于遗传操作的粒子更新方式。实验结果表明,模型和算法是可行和有效的。      

高抗扰高精度无人机着舰纵向飞行控制

针对无人机着舰过程中舰尾流扰动和甲板运动扰动对着舰点散布的影响,对复杂着舰环境下的无人机着舰纵向控制策略、控制结构和控制律参数设计方法进行研究。针对常规控制结构抗扰能力不足的问题,提出了无人机着舰纵向多操纵面平衡态直接力控制(DFC)策略及控制结构。提出了面向着舰点散布的控制律参数优化设计方法,该方法在保证系统满足稳定裕度指标的基础上,综合考虑了舰尾流扰动和甲板运动扰动对着舰点散布的影响,使2种扰动造成的着舰点散布最小。构建控制律参数优化设计问题,通过粒子群优化(PSO)算法进行优化设计,得到高抗扰性能的控制律参数。在控制律参数优化中考虑舰尾流和甲板运动的功率谱密度分布,使设计更具有针对性,减小了控制律设计的保守性,进一步提高控制的抗扰性能。算例设计及仿真验证了多操纵面平衡态DFC控制结构在抵抗舰尾流扰动和甲板运动扰动方面的优异性能,并证明了所提控制律参数设计方法的有效性。     

基于径向基函数响应面的机翼有限元模型修正

用ANSYS三维实体单元SOLID45建立机翼基准有限元模型并计算其自由振动的前6阶模态频率.用均匀设计方法将结构参数分组并分别计算各组结构参数对应的模态频率,建立高斯径向基函数响应面模型.用最小二乘法则拟合系数并检验响应面拟合精度,对基准模型的结构参数施加摄动量建立待修正有限元模型.用响应面模型和基准模型计算所得模态频率的相对误差建立适应度函数的表达式,将混沌搜索机制引入粒子群算法对结构参数的摄动量进行寻优计算,搜索所得优化解代入即得修正后模型,将修正后模型与基准模型在测试频段内段外的模态频率近似度进行比较,证实了修正后模型的有效性.      

BLDC电机温度退化多段Wiener过程建模

无刷直流（BLDC）电机应用广泛,其温度退化过程呈现多段性,需建立多段退化模型,而模型参数较多时,参数估计过程对初始值敏感且易陷入局部最优。首先,针对电机的加速退化数据进行研究,采用正态加权平均（Gauss滤波）的方式滤波,改进实际数据在模型参数的估计中的应用。然后,引入转换函数对Wiener模型改进,建立多段Wiener模型。其次,以极大化似然函数进行参数估计,计算时采用改进粒子群优化（PSO）算法得到估计值,对比非线性模型的残差的正态性,同时分析各模型理论寿命分布及实际该批次失效分布,确定多段模型合理性;得到的模型结果说明电机在退化过程中发生了退化机理的改变,且变换速度快。最后,以非线性模型不同时刻的寿命分布给出该应力下电机的寿命预测,这对电机的预测与健康管理（PHM）有重要意义。      

飞机燃油测量传感器优化布局技术

实时、准确地测量出飞机各油箱的剩余油量,对飞机飞行安全十分重要.为了提高飞机燃油的测量精度,设计了一种基于粒子群算法(PSO)的燃油测量传感器优化布局方法.首先,引入燃油实体的概念,建立了某机翼复杂、带隔断多腔油箱CAD模型及箱内燃油实体模型;其次,基于Unigraphics NX(UG)二次开发,完成了飞机不同姿态下、复杂不规则多腔油箱燃油体积的解算;再次,提出了飞机油箱最大燃油可测区(LMR)的概念,并以此作为优化目标进行传感器优化布局;最后,引入可设置边界距离因子(BDF),解决了传感器布局时与油箱壁距离过近的问题.结果表明,该方法实现了多根燃油传感器的布局,可以不受油箱形状和大小的限制,有效避开了油箱内部的干涉区域,保证不同飞行姿态下油量测量的连续性,并使得飞机燃油的可测范围达到较高水平.      

应用支持向量回归机探索发动机VSV调节规律

发动机可调静子叶片（VSV）调节规律极其复杂,通过挖掘快速存取记录装置（QAR）数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化（PSO）算法的支持向量回归机（SVR）模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSO-SVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。