基于自适应融合的弹道目标空间位置重构

由于进动锥体目标参数存在耦合,单部雷达不易获取同时参数估计误差较大。针对这一问题,提出了一种联合多部雷达不同视角微动信息进行参数提取与融合的新方法。首先,对进动目标进行了建模和散射点距离像分析,并利用Hough变换实现了锥顶散射点的关联。然后,联立2部雷达的微动信息作为求解单元来对耦合参数进行解耦,求出相应的参数。同时以进动角为例进行了误差方差分析,以融合后误差方差最小为原则对权系数进行了求解,并对其余参数进行了相同的处理。最后,在一个进动周期内,根据求出的锥体顶点坐标和锥旋轴矢量实现了锥体目标空间位置的重构。仿真结果表明该融合方法能够提高参数精度并能对锥体空间位置进行重构。     

聚焦光场成像三维粒子场重建方法

层析重建是层析粒子图像测速(Tomo-PIV)技术实现三维粒子位置和强度信息(三维粒子场)重构的核心步骤。相比于多相机的Tomo-PIV技术,单聚焦光场相机通过一次成像能够同时采集示踪粒子的散射光的方向和位置信息。因此,提出一种单聚焦光场相机的层析重建技术用于重构流场中的三维粒子场信息。为了验证本文方法的可行性及准确性,利用几何光学建立了示踪粒子的光场成像模型,利用光线追迹技术计算了粒子在聚焦光场相机中的成像,对比了被测流场中位于不同深度位置的粒子在聚焦光场相机中的成像差异;建立了基于单聚焦光场相机的层析重建数学模型,利用乘法代数重构技术(MART)对模拟所得的光场图像进行反演计算,实现了三维粒子场的重构,并利用归一化互相关系数来表征粒子的重建质量。结果表明,单个粒子在Z轴方向上的位置精度为±0.35 mm,初步证明了基于聚焦光场成像理论的三维粒子场重建方法的可行性。     

基于新型C4D的小管道气液两相流流型辨识方法

基于径向结构的电容耦合式非接触电阻抗检测传感器,结合小波包分析技术和K-均值聚类算法,提出一种小管道气液两相流流型辨识方法。首先,利用径向结构的电容耦合式非接触电阻抗检测传感器,获取反映被测流体信息的电阻抗测量信号实部信息和虚部信息。然后,采用小波包分解的信号处理技术将实部信息和虚部信息分别分为4个频率段,提取不同频率范围的能量分布情况,并与各自的均值、方差构成特征向量。最后,利用K-均值聚类算法进行模式分类,建立流型辨识模型。在内径为3.5 mm和5.5 mm的玻璃管道内进行验证实验,实验结果表明,所获得的传感器测量信号能反映流体流动信息,提出的流型辨识技术路线是有效的,流型辨识精度可达88%以上。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.      

刀具声发射信号混沌特征提取及趋势分析

旨在建立一种基于多混沌特征演化分析的刀具磨损状态监测方法,通过计算刀具声发射信号的混沌特性参数分析其磨损趋势。建立首先基于混沌理论分析和描述刀具不同磨损阶段声发射信号的混沌特性,包括：定性描述,即重构相空间的奇异吸引子轨迹和庞加莱截面;定量描述,计算不同时间段声发射信号的关联维数、最大Lyapunov指数等。其次,采用最小二乘回归方法对所计算的混沌参数进行趋势分析。结果表明,声发射信号具有混沌特性,而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联,从而为刀具磨损状态的在线监测和预测提供了新思路。     

F-35战斗机气动及隐身特性分析

以F-35战斗机为研究目标,对目标体进行三维外形重建,并对重建后的模型进行气动及隐身特性的计算和分析,首先采用了基于飞机三视图进行轮廓线提取来重建F-35全机理论外形的方法,引入了基于草图跟踪的CATIA三视图的标定,大大地提高了模型重建的精度。其次采用非结构网格对F-35的计算区域进行网格划分,采用EULER方程完成了F-35在亚声速、跨声速及超声速等飞行条件下的流场计算,分析了不同状态下的升力、阻力和大迎角气动特性。最后利用曲面像素法对F-35全机高频雷达目标特性进行了计算,提出了一种基于IGS数据转换格式的隐身计算网格生成方法,比较了不同俯仰角及方位角下的RCS特性曲线,分析了对RCS影响比较大的部件。     

基于Riccati方程解的高增益未知输入观测器设计

针对具有未知输入和测量噪声的一类Lipschitz非线性系统,研究了状态估计、噪声估计及未知输入重构问题.通过将输出噪声看作扩展状态,把原系统转化为描述系统.针对描述系统,首先基于Riccati方程的解,提出了一种高增益观测器设计方法,实现对系统状态的估计和测量噪声的重构;之后,设计二阶高增益滑模观测器精确估计输出的微分,并利用状态和输出微分的估计,提出了一种未知输入的重构方法.在一Riccati方程有解的前提下,所提出的未知输入和测量噪声的重构,均适用于强时变信号.最后,对一个实际模型仿真,验证所提出方法的有效性.      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

基于第二代小波的序列图像超分辨率复原算法研究

介绍了第二代小波(SGWs)的基本原理和特点,在此基础上提出了低分辨率采样图像高分辨率 (HR)重建算法。它不但具有结构简单,逆变换容易,可扩展性好的优点,并且克服了第一代 小波(FGWs) 的不均匀采样和定义在有限区间上的难题,指出了小波变换时数据不规则性的 处理方法,并利用硬／软阈值对小波系数降噪,使得重构后的图像具有最佳的PSNR和最低的 重构误差。实验和仿真结果表明,与传统方法相比,该算法在提高了图像的分辨率同时PSNR 最多能提高3 dB左右。