改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

基于LAN的八通道任意波形发生器设计与实现

针对航空航天电子测量领域实验阶段需要模拟多通道任意波形信号的测试需求,设计了一种基于LAN和FPGA的八通道任意波形发生器。该任意波形发生器以LAN为通信接口,采用微控制器STM32F427为主控核心,控制网络芯片实现网络通信,并根据上位机的控制命令,设置任意波形发生器的各种参数。同时在FPGA内构建八通道DDS处理模块,经高速D/A和模拟处理电路输出八通道任意波形。该系统可同步输出幅度、频率、相位和波形类型可调的八通道任意波形,能通过网络通信接口下载任意波形,输出正弦波时模拟带宽可达30 MHz,幅度可达10 V。经测试结果表明,该任意波形发生器体积小、稳定性高,各通道输出信号参数均可灵活设置,可以满足航空航天系统多通道模拟测试的需求。     

散射参数建模及其在传导电磁兼容中的应用

针对频谱仪法分析传导电磁干扰(Electromagnetic interference,EMI)的精度低、存在相位缺损且需使用功分器、信号源等辅助器件等问题,提出一种散射参数建模方法,并讨论了该方法在传导电磁兼容中的应用.散射参数建模方法不仅能够精确测定EMI噪声源内阻抗,EMI分离网络特性和EMI滤波器特性的幅值大小,而且能够提取相位信息,此外,测量过程无需借助辅助器件,降低了由辅助器件引起的测量误差.实验结果表明散射参数建模方法能够简单、快速地解决电力电子实际应用中存在的阻抗匹配问题,提高EMI分离网络和EMI滤波器特性参数测量精度,并为传导EMI噪声滤波器设计提供理论依据.     

基于Virtual.Lab的燃油泵调节器结构的模态分析

在燃油泵调节器模态分析过程中,高集成装配体的模型简化和以螺钉连接为主的多种连接方式的有限元建模对分析结果的影响是一个难点。本文从实际工程应用角度出发,提出了关键子结构验证结合整体有限元建模的模态分析方法。首先,根据燃油泵调节器的结构特点对模型进行简化和网格处理;然后,开展了关键子结构壳体模态的仿真分析和实验测试,并在Virtual.Lab软件中对螺钉、密封圈、弹簧、紧配合和滑动配合等进行了连接方式的建模探索和多类型设置,解决了不同单元类型网格的过渡问题;在确保关键子结构有限元模型精度的前提下,最后开展了整体的有限元建模与模态特性研究,通过与实验结果的对比验证了仿真方法的可行性。结果表明:关键子结构法在处理复杂中小型结构装备的有限元分析上效果较佳,复杂结构有限元模型的连接处理方式不宜过多,否则求解不易收敛。多点约束法(Multipoint constraint method,MPC)能够高效处理非协调网格的过渡,适用小位移或变形的模型。     

十六位微机数据采集处理系统

本文介绍了十六位微机、小信号数据采集处理系统的组成及系统指标,并对组成系统的各部件作了较详细说明。还介绍了用 PL/M86语言编制采集程序的例子和在软硬件方面作的大量开发工作以及为提高小信号测试精度所采取的一些措施。     

航空发动机大偏差状态变量模型建立方法

提出一种基于各参数物理意义的状态变量模型建立方法,研究了模型参数在包线内的变化情况.建模过程中,首先建立航空发动机的小偏差状态变量模型,再采用线性插值的方法构造航空发动机的大偏差状态变量模型.采用本方法建立的小偏差数学模型完全能保证模型的稳态精度,并取得了较高的动态建模精度,其计算工作量比原拟合法更小、运算速度更快.同时模型各参数物理意义明确,在包线内的变化较有规律,在构造大偏差模型时获得了较高的模型精度.     

高温结构激光扫描模态测试的降噪与参数识别

针对高温结构激光扫描模态测试中存在的噪声问题,提出了一种基于模态峰值汉克尔奇异值分解的降噪处理与模态参数识别方法。首先,将测试得到的频率响应函数(Frequency Response Function(FRF))经过FFT逆变换得到对应的时间域脉冲响应函数(Impulse Response Function(IRF)),并通过汉克尔奇异值分解(Hankel Singular Value Decomposition (HSVD)),进一步将脉冲响应函数转化为按能量从大到小顺序排列的一系列分量信号组合;其次,以恢复所有关心的模态峰值为基准,将分量信号从前到后累加,并在所关心的模态峰值完全恢复后,将剩余分量信号当作噪声舍弃掉;该步骤会去除掉信号中包含的大部分噪声,但仍会有一些残余噪声不可避免地被恢复;再次,对步骤二中提取得到的分量信号,采用基于模态峰值频率通带的迭代选取进行二次滤波,以分离出属于模态峰值的分量信号,进而将它们累加为降噪后的IRF信号,并转换至频域以获取降噪后FRF信号;最后,对降噪后的频响函数进行模态辨识以提取模态参数。本方法应用于600度高温环境下一个直板叶片的激光扫描模态测试数据的处理,结果表明频响函数中的噪声被有效滤去,模态参数可准确地提取,显示了方法的有效性和优越性。     

基于时频图和CNN的滚动轴承故障诊断

针对传统轴承故障诊断方法泛化能力差,提出了一种基于时频图和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,对振动信号进行短时傅里叶变换,构造时频图;然后,将训练信号的时频图作为卷积神经网络的输入,训练网络模型;最后,将测试信号的时频图输入网络模型,实现对滚动轴承的故障状态识别。通过美国凯斯西储大学的开放数据集进行多组验证实验,结果表明该方法能够有效的判断轴承是否存在故障,并且能够识别故障类型,准确率可以达到97.63%以上。     

基于建模误差识别的有限元动态模型物理参数修正

本文提出了一种有限元动力学模型的建模误差识别方法。根据建模误差识别,用灵敏度分析方法,选择建模误差大的子结构的结构参数进行修正,可以大大减小结构参数修正的计算量。本文还研究了不完整测试振型扩充方法和测试振型随机误差对计算结果的影响.     

基于非线性规划的混响环境声场复现

本文从能量的角度提出增益矩阵的定义并对混响系统进行建模,准确描述系统中声源激励信号与传声器测点响应信号间的耦合关系;引入非线性规划对限定取值范围的驱动信号求解,计算出合理驱动的同时尽可能准确地复现声场;采用根据误差加权的目标函数均衡各通道误差,进一步优化声场复现的精度,最终实现混响环境下的声场复现。     

尖锥前体飞行器FADS系统的人工神经网络建模及风洞试验研究

针对一种用于尖锥前体飞行器的嵌入式大气数据传感（Flush Air Data Sensing，FADS）系统的解算模型及精度进行研究。针对尖锥外形特征，首先基于钝头体FADS系统的理论模型确定其测压孔配置；然后对确定的测压孔进行典型状态的风洞试验测试，并比对了数值计算数据与风洞试验数据；最后基于人工神经网络建模技术构建了FADS系统的网络解算模型及算法。结果表明:针对尖锥外形测压孔配置特征，基于人工神经网络建模技术的算法解算精度较好，迎角、侧滑角、静压、马赫数的网络输出值与试验值吻合较好，输出的测试误差（绝对值）分别小于0.1°、0.1°、50.0 Pa及0.01；同时也证实了人工神经网络算法在FADS系统中有进一步发展的空间。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度,即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出,并采用神经网络控制器以补偿邦联引起的非线性因素的影响。     

基于自组织神经网络的空中交通复杂度参数优化及预测

首先介绍了国内外关于空中交通复杂度的定义及研究现状。然后在现有的空中交通复杂度模型中挑选空中交通复杂度参数,再利用自组织神经网络,分析所选取的空中交通复杂度参数之间的关系,达到将高维空中交通复杂度参数进行降维分析的目的。然后对于优化了的空中交通复杂度参数使用RBF神经网络进行预测,比较预测结果,得到最优的空中交通复杂度参数。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

应用神经网络的航空发动机故障诊断仿真研究(英文)

传统的定期维护制度成本高 ,劳动强度大 ,且对发动机故障的诊断和探测能力十分有限。现代飞机上的发动机监控系统 ( EMS)具有向维护人员提供有关发动机故障信息的潜在能力。本文将径向基函数 ( RBF)神经网络应用到航空发动机故障诊断中。该方法能够依靠测量参数探测发动机多个气路故障 ,并对各大部件的性能退化进行定量的诊断。仿真结果表明 ,诊断的精度能够满足实际应用的需要 ,神经网络的非线性映射能力可用来捕捉发动机的特性。该方法具有通用性 ,在其他类似的复杂机械中也可以获得应用。