基于时频分析的运载火箭故障特征提取技术

为尽可能从运载火箭飞行试验数据中获取更多有价值的信息,提出了新的火箭振动参数故障特征提取模型,用于火箭振动问题分析.构建了三维傅里叶谱,用于高效地分析全程观测信号频谱的时变趋势,研究了Wigner-Ville分布的标准算法与快速算法,用于精确刻画振动参数感兴趣数据段的频谱随时间的分布情况.试验结果表明:模型及方法处理火箭遥测数据直观、高效、精确,可以应用于实测数据分析.研究时频分析方法对试验数据进行更深层次的分析处理,对设计高可靠、高性能的运载火箭,具有重要意义.     

基于多重分形参数的高光谱数据特征提取

针对单一分形维数不能表征高光谱数据光谱局部吸收特征的问题,提出了基于光谱概率测度的多重分形参数特征提取方法.基于光谱信息度量进行光谱概率测度的计算,基于配分函数法估计得到尺度函数;通过对尺度函数求导计算出Holder指数,并对尺度函数勒让德Legendre变换计算出多重分形谱;从多重分形谱和Holder指数之间的函数关系提取表征多重分形谱形态的4个多重分形谱参数作为光谱特征参数;并应用于基于最小距离准则的航空推扫式高光谱成像仪(PHI,Prush-broom Hyperspectral Imager)图像监督分类.结果证明:利用基于光谱概率测度的多重分形参数特征提取方法提取的光谱特征参数进行分类得到的总体分类正确率达94.789%,分类精度明显高于利用信息量维数和多重分形谱特征提取方法进行分类的结果,证明了基于光谱概率测度的多重分形参数特征提取方法提取的多重分形参数的有效性和可靠性.     

无人机故障特征提取问题研究

针对无人机故障诊断前故障特征提取的问题进行了分析。引入了主成分分析法,用于对初始的特征参数样本进行降维处理。根据无人机特征参数样本复杂多维的特点,结合故障诊断时对特征向量相关性的要求,提出按功能模块对特征样本进行分类的改进方法,达到初步降维和保存需要的相关性向量的要求。     

基于平滑滤波与最小二乘支持向量机的指纹图像识别研究

平滑滤波能抑制或消除噪声,获得高质量的图像。建立了完整的指纹识别系统,通过预处理、特征提取和分类识别3个过程,实现了指纹的分类识别;研究了预处理过程中的滤波增强方法,比较了邻域平均、高斯平滑和中值滤波的处理效果;在识别阶段采用最小二乘支持向量机,进行指纹识别实验,并对实验结果进行了比较。     

航空发动机主轴轴承故障诊断

某型航空发动机的主轴轴承由于频繁出现早期失效而引起发动机故障,因此,对滚动轴承进行状态监测和故障诊断具有重要的实际意义。针对常规方法难以准确分析非平稳信号的局限性,本文研究了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的仿真信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可以应用于航空发动机主轴轴承的状态监测和故障诊断。     

BP神经网络数字识别系统的设计方法

字符识别一直是一个热点问题,而人工神经网络具有并行计算能力、容错能力、泛化能力,以及任意精度逼近未知非线性对象的特点,将人工神经网络应用在字符识别中,提高字符的识别率与识别效率就具有了可行性.论文着重介绍BP神经网络数字识别系统的设计方法和步骤,指出该系统不仅可以识别数字,而且经过BP神经网络的适当改变,可以实现英文字符、简单汉字和混合字符数据的识别.     

基于主元分析的液体火箭发动机试验系统故障特征提取

在液体火箭发动机试验系统故障诊断中．采用主元分析方法对试验系统中可能出现的多种故障模式进行分析,确定了主元数目,并对试验系统原始测量数据进行特征提取。从氢、氧系统故障模式的主元投影结果分析看,各类故障可以较好分离出来,为下一步的故障诊断打下良好基础。     

基于小波分析的发动机转动惯量测量信号特征提取

在采用单摆法进行某型号发动机整机转动惯量测量中,发现测量信号含有许多其他信号成分,这给准确提取发动机转动惯量相关参数带来一定的干扰.利用小波多分辨分析特性对测量信号进行处理分析,有效地将实际有用信号和干扰信号分开.通过对有用信号的分析,准确提取到了整个振动系统的振动频率、对数衰减及阻尼系数等参数,并分析了系统阻尼对振动频率的影响;通过对干扰信号的特征分析,弄清了干扰源,发现了实验设备存在的工艺缺陷.将小波分析应用于发动机实际工程测试和分析,能准确提取结构动力学参数、提高测量精度及进行故障分析.     

基于组合不变矩与神经网络的卫星目标识别

首先介绍了Hu提出的不变矩和Jan Flusser提出的仿射不变矩,在不增加特征向量维数的前提下,将不变矩的部分分量与仿射不变矩组合成新的特征向量——组合不变矩。利用组合不变矩提取图像中的不变特征向量,并结合基于人工神经网络的分类器,较好的实现了对卫星目标的分类识别。     

基于极大熵聚类的工程项目风险预警模型

该方法针对当前大部分工程风险预警模型只能报警,不能预测的现状,提出了基于熵最优化的工程项目风险预警方法.利用判别熵最小化选取项目风险预警指标值,通过特征选取找出那些最有效的特征,研究出一种新的聚类算法——极大熵聚类算法,极大熵聚类算法是以概率为比例将任一指标向量分配给所有码向量,而不是仅仅只分配给与之最近的码向量,该算法是C-均值算法的一种推广.最后用实例验证该模型,用此算法对预测结果进行分类,判断项目的风险状态.结果表明这种方法估计工程项目风险快捷有效,与实际情况基本一致,可以应用于工程分析.