一种基于航迹特征的无人机与飞鸟目标雷达识别方法

对于现代雷达探测系统而言,无人机与飞鸟同属于具有“低慢小”特征的一类典型目标,而面对比较复杂的作战环境,其对功能的要求已经不仅局限于对两者目标实现稳定探测跟踪,如何有效区分两者类型并完成识别更是当下急迫且重要的难题。常规方法是从目标的微动特征差异进行区分,但由于两者回波微弱,很难通过时频分析方法提取目标特征。针对该问题,从航迹特征出发,提出一种无人机与飞鸟目标雷达识别方法。首先对比两者目标在运动轨迹上的差异性,进行特征分析,提出时间相关的航向震荡频率与速度震荡频率特征量描述方法,并在离线状态下,利用实测雷达系统记录的航迹数据,提取两者的有效特征量;然后利用支持向量机算法对样本进行训练,并在获得最优模型参数后,通过测试样本进行测试,测试分类结果显示准确识别率能够达87%;最后在线状态下跟飞实验,其结果既表明该方法的正确性,也体现了在工程实现角度上的轻量性、实用性、适用性,具有较高价值。     

一种全局的无关线性图嵌入故障特征提取算法

针对故障特征数据维数高、非线性且系统难以建立物理模型的故障诊断问题,提出了一种全局的无关线性图嵌入故障特征提取算法.通过监督学习建立原始特征的关系图,以线性图嵌入为框架进行特征降维.特征的降维过程既保留了同类数据的局部结构,又考虑了异类数据之间的全局分布,同时最大程度地消除了特征之间的统计相关性.在标准故障数据集上的实验结果表明:与已有的经典算法相比,能更有效地提取出故障的典型特征,因而更有利于故障诊断系统训练网络的快速收敛,实现快速、准确的故障诊断.     

基于形态学算法的2219铝合金钨极氦弧焊熔池图像特征提取

根据2219铝合金氦弧焊特点,构建了焊接过程实时视觉传感系统,获取了熔池清晰图像;为获得2219铝合金氦弧焊熔池尺寸参数,实现对熔池特征的分析,采用了形态学算法,提取了典型熔池图像边缘形状,并获得了熔池宽度特征尺寸;通过试验验证,提取的熔池图像宽度特征能够准确反映出熔池尺寸信息及变化趋势。研究结果表明:形态学算法准确度高、计算速度快,满足2219铝合金氦弧焊熔池图像实时处理需求,不同阈值及结构元素对图像特征提取效果均会产生较大影响,研究阈值自适应算法,可以满足工程上焊缝熔池特征实时视觉监测的复杂需求。     

基于短时分数阶傅里叶变换的 含噪信号特征提取

通过对比噪声背景下短时傅里叶变换和短时分数阶傅里叶变换的时频分辨能力,进一步明确了短时分数阶傅里叶变换对频率时变信号的独特优势。研究了短时分数阶傅里叶变换的窗口滑动方式对瞬时频率估计的影响,可以发现:首先,在调频率较大或是变化剧烈时,短时分数阶傅里叶变换具有更好的鲁棒性;其次,在基于短时分数阶傅里叶变换的瞬时频率估计,实际应用中应主要采用以第一采样时刻作为估计值的逐点滑动方式。     

航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析;在此基础上,将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较;最后,进行了轴承疲劳加速试验,将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计,基于标准化欧氏距离的融合值的故障灵敏度更高;其对不同类型、不同阶段的航空滚动轴承故障更加灵敏,相比于有效值更适合作为航空滚动轴承状态监测的指标。      

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题，提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型，实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失，对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型，并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明，模型对已知和未知类故障平均识别率达99.57%，10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%，验证了模型的有效性和优越性，能高准确率地识别出已知或以前从未出现的新故障。      

基于多模特征融合的雷达干扰信号识别

传统制导雷达面临的新型有源干扰样式越来越复杂，雷达必须对各种干扰类型加以鉴别。传统的干扰识别方法仅对特定单一样式有效，通用性较差、泛化能力较弱，无法应对复杂多变的干扰对抗环境。因此，必须提出智能化更高、稳健性更强的普适干扰识别方法，提升制导武器抗干扰能力。为了提高干扰信号识别的准确率，研究了多模特征融合算法，并最终对时域、时频域、信息论特征进行融合以实现分类。首次将信息论中熵、相对熵、相对距离等概念引入到干扰信号分类这个应用场景中，通过仿真实验表明，能够有效对常见干扰进行有效识别，在较低干噪比下也有较好的识别准确率。     

基于相对骨骼点特征和时序自适应 感受野的动作识别方法

针对长时间动作识别难以充分利用时空域信息的问题,提出了基于相对骨骼点特征和时 序自适应感受野的动作识别方法。首先,该方法在特征获取部分增加了相对骨骼点特征,以满足 节点多样性和互补性要求,将其分别输入到空域图卷积网络,获得空间中相邻关节聚合的局部特 征。然后,设计了一个时序自适应感受野网络,以获取在时域中关节变化的局部特征,并且增加了 网络对不同持续时长动作的适应性。最后,经过决策级融合模块,计算类别概率,得到分类结果。 仿真结果表明,基于 NTU RGB+D 和 Kinetics-skeleton两大基准数据集,对比多种主流方法,均 取得了更高的识别准确率,分别为96.2%与60.1%。该方法可以较好地提取不同动作的区别性时 间特征,提高了动作时空特征的判别能力。     

经验模态分解火箭发动机多界面粘结检测特征信号提取技术

针对固体火箭发动机在存放期间粘结界面易出现脱粘的情况,采用超声纵波对其一二界面粘结质量进行检测,得到的二界面脱粘缺陷回波信号通常混叠了 一界面多次反射透射的信号,无法与一界面粘结信号区分.为了区分不同界面回波信号,选用EMD(经验模态分解)对回波信号分解,并根据相关性系数得到信号主导作用模态分量,提取其检测信号幅度特征...     

基于多特征融合与RF的球磨机滚动轴承故障诊断

由于冶金工业工况复杂，很难从单一信号中获取高质量的故障特征，诊断效果不佳。针对直接使用电流和振动信号进行融合，不能体现2类信号在不同频段上的优势和彼此之间的互补信息，而影响诊断性能的问题，提出一种基于振动和电流信号的多特征互补融合故障诊断方法。将振动信号和电流信号的高频系数特征通过最大绝对值规则融合，形成体现高频段特征的互补特征；将振动信号和电流信号的低频系数特征通过稀疏表示（SR）融合，形成体现低频段特征的互补特征。通过定义由多特征组成的特征矩阵融合全频段特征，增强全局特征表征能力。采用递归特征消除法消除融合后的冗余特征，提高分类精度，结合随机森林（RF）对轴承故障状态进行分类。实验结果表明：所提方法相比基于振动信号和基于电流信号的诊断结果更加准确。