固体火箭发动机水下试验的数据处理方法研究

针对固体火箭发动机水下试验数据参数变化剧烈、信号严重混迭及难以分辨的问题,提出了一种基于小波变换的软阈值去噪法,完成了固体火箭发动机水下试验推力数据的分析和处理.与传统数据处理方法对比分析表明:该方法可以将动态数据分解为反映过程“低频”特性的近似分量和反映“高频”特性的细节分量,便于对发动机性能进行分析;在去除试验数据干扰的同时保留了试验数据自身的变化特征,满足了工程应用对固体火箭发动机水下试验数据处理的要求.     

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.      

应用独立分量分析提取液体火箭发动机的故障特征

以某型液体火箭发动机为研究对象，针对故障诊断中故障特征提取难的问题，提出了应用小波消噪技术和独立分量分析获取高品质源信号，并利用源信号进行故障诊断的思路，对发动机热试车压强信号进行了实例分析。研究结果表明，该方法提高了诊断信号的质量，有效地提取了故障特征。     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

基于拉普拉斯正态混合分布概率密度函数估计的语音分离算法

由拉普拉斯分布概率密度函数推导得出的符号函数作为语音信号分离算法中的激活函数,目前广泛应用在基于独立分量分析的语音分离算法之中.为了提高语音分离算法的收敛速度以及分离性能,提出把拉普拉斯正态混合分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数,基于此函数提出一种快速语音分离算法.把推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行计算机仿真实验,可验证本文算法的收敛性能和分离性能.     

基于ICA包络增强MEMD的滚动轴承故障诊断

针对多元经验模态分解(MEMD)存在模态混叠、带内噪声干扰导致轴承故障特征信息微弱难提取问题,提出了基于独立分量分析(ICA)包络增强MEMD的滚动轴承故障诊断。采用MEMD对多通道信号进行自适应分解,依据峭度和相关系数选取包含故障信息的本征模态函数(IMF);对所选取IMF分量的包络信号进行ICA分析,抑制模态混叠和削弱带内噪声;选取峭度最大的独立分量包络进行频谱分析,判断滚动轴承的运行状况。实测信号结果表明:ICA包络增强MEMD后包络谱中可以清楚地看到前6阶故障频率,故障特征频率误差小于1 Hz,其他方法只能看到2~3阶,且干扰频率成分较多。      

一种用于FTPVS数据处理的非平稳度定义

为解决非平稳程度量化问题及优化非平稳信号处理方法的精度,针对试验数据特点,提出了一种基于时频分析的非平稳度定义方法,使得处理方法的各项参数能够随非平稳度变化进行实时调整,从而提高数据处理结果的精度。通过仿真试验,对非平稳度定义的合理性和实用性进行了研究,并通过风洞试验及飞行试验的数据处理证实了其工程实用性及对非平稳数据处理方法精度的影响。试验结果表明,所提出的非平稳度不仅可以可信地表征信号非平稳程度,而且还可以辅助提高FTPVS数据处理结果的精度。     

滚动轴承故障诊断的品质因子可调小波重构方法

针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.      

发动机故障诊断的主特征量模型

本文提出了发动机状态监控气路分析的主特征量模型。其基本原理如下:对于发动机部件匹配热力学关系式的小偏差方程组,利用最优化方法求出各种可能的故障组合的最优解,并根据合理性判据选择合理的最优解。它可以在可能的故障参数数目大于测量参数数目的情况下,对主要故障参数进行故障诊断。与目前广泛采用的影响系数矩阵法比较,主特征量模型可以用于测量参数数目较少的情况,并且可以给出较多的故障诊断信息,因此具有广泛的实用意义。文中给出了主特征量模型的三种数学模型,讨论了利用主特征量模型进行故障诊断的有关技术问题,并且通过计算机模拟方法对主特征量模型的适用性及可靠性进行了分析。研究结果表明,本文提出的主特征量模型是发动机状态监控与故障诊断的一种有效方法。     

基于ICA的遥感图像的色彩分类方法

根据独立成分分析（ICA）方法和多频谱卫星遥感图像的特点,提出了一种基于ICA的遥感图像色彩分类法。方法使用FastICA算法提取遥感图像的色彩独立成分,是RGB反转的结合,具有互补的分布,不受照明的影响。使用最大相似度分类算法对像素进行色彩分类,实验结果表明,方法的色彩分类效果较好,对多频谱遥感图像进行色彩分类十分有效。     

多变量控制系统硬件冗余配置的定量分析

针对多变量控制系统的硬件冗余配置问题提出了一种定量分析方法,可以使设计者清楚地了解到系统中哪些部件的故障将造成系统失稳,哪些部件可以通过设计阶段仔细地选择控制器参数使之故障发生时系统仍具有一定的性能,从而为系统的冗余配置设计提供了客观的依据。文中以一个大型挠性空间站系统为例说明了所提方法的应用。     

OWC图表组件及其在WEB环境中的开发应用

在WEB应用程序开发中,经常需要使用到统计分析图表,Microsoft Office中所提供的OWC图表组件及其所支持的编程接口集合,为WEB环境下统计图表的开发提供了一种十分有效的方法.介绍了统计分析图表的基本结构和OWC图表组件的关键编程元素,分析了WEB环境中利用OWC图表组件开发统计分析图表的基本原理,并给出了相应的实例.     

上市公司财务状况的主成分分析

本文应用主成分分析法，对上市公司财务状况进行综合分析，进而给出一种简单有效的评定依据。     

附件性能比较分析方法研究

提出通过附件寿命数据统计模型及可靠度函数．利用数学工具量化比较附件性能的方法。该方法简单可靠．不依赖于分布模型．且适用于任何寿命区间。经实例验证该方法在实际应用中是有效的。     

基于主成分分析方法的航空发动机性能排队研究

提出基于主成分分析的发动机性能排队方法,并以此方法对19台JT9D-7R4发动机进行性能排队,与发动机实际换发方案以及普惠公司的EGT指数法相比,主成分分析方法可以综合地考量发动机各方面因素,可信度高,利于规模大的机队精细地评估性能相近的发动机,并给出更好的排队结果。     

可靠性试验评定中相关专家信息融合

专家信息的相关性会对专家信息融合的结果产生影响.提出基于主成分分析的相关专家信息融合方法.首先给出可靠性试验评定中专家信息的提取融合流程,然后采用主成分分析方法对专家信息的相关系数矩阵进行分析,接着利用分析的结果对专家信息转化成的概率分布进行融合,最后给出了一个应用实例.     

河南贫困地区尽快脱贫的思路与建议

文章选取影响贫困地区脱贫致富及经济发展的12个指标,运用主成分分析法,对河南省部分贫困地区的经济发展状况进行定量分析,得出影响其经济发展的综合指标,并进一步分析导致河南省贫困地区贫困的根源,分别从扶贫开发、人口数量控制及劳动力转移、农业经济结构调整及农业生产条件改善和民营经济发展及城镇化建设等四个方面为河南省贫困地区尽快脱贫提出思路与建议。     

基于ESN的航空发动机状态组合预测方法

基于回声状态网络(ESN)预测模型,结合小波分析和主元分析,提出一种组合预测方法.首先对含噪非线性时间序列进行小波降噪,并重构时间序列产生训练样本,再将训练样本通过主元分析进行降维处理,降维后的时间序列数据则输入ESN模型进行预测分析.对控制飞机动力输出的动压参数非线性时间序列数据进行了仿真对比实验,结果表明:组合预测方法的5步和单步预测速度累计提高了66.97%,预测的平均平方误差、标准均方根误差和归一化绝对误差也均有较大提高.该方法与传统基于ESN的预测模型相比,能有效地提高预测的效率和精度,是一种有效的非线性时间序列预测方法.      

涡轮复杂气冷叶盘结构变形分析模型简化方法

基于高压转子开展高压(HP)涡轮转子叶片叶尖变形分析可提高叶尖间隙的数值模拟精度，而高压涡轮转子叶片由于其复杂的气冷结构，有限元分析网格数量巨大；叶片和轮盘的榫接结构属于非线性分析，也需要足够的计算机时。针对该问题提出了一种复杂气冷叶片的简化方法和榫接结构接触计算简化方法，在不影响计算精度的前提下提高计算效率。采用该方法对典型结构高压涡轮转子进行了变形分析，与采用复杂气冷叶片模型和接触分析方法的变形分析结果进行比较。结果表明:涡轮叶片叶尖最大径向变形相对误差为0.47%，计算机时减少99%，证明简化方法和计算方法的有效性。