航空铁磁材料磁记忆检测新方法

 为提高现有磁记忆检测方法的可靠性,充分考虑各向磁记忆信号分量特征,提出法向和切向相结合的磁记忆检测新方法,对航空铁磁材料18CrNi4A试件在不同拉伸载荷下同时采集法向和切向两个方向上的磁记忆信号,并对信号进行小波包滤波处理后取李萨如图,用图中封闭区域出现的位置判断应力集中部位,用封闭区域面积的大小判断应力集中程度,研究磁记忆信号法向分量和切向分量联合检测材料的应力状态。结果表明:对该材料试件磁记忆信号法向分量和切向分量进行小波包降噪方法切实可行,处于应力集中试件的磁记忆信号反映在李萨如图上会出现封闭区域,并且随着应力集中程度的增大,李萨如图上封闭区域的面积有增大趋势,材料出现明显屈服后,面积增大得更加明显。该方法具有一定的工程实际应用价值。     

电压敏感电路的故障诊断技术研究

电压敏感电路能够敏感发电机的输出电压,是发电机调压电路的重要环节,其发生的故障将影响电源系统的安全与稳定。利用小波子频带能量检测技术对输出电压信号进行处理,从中获取故障信息,作为神经网络的输入。训练过程及测试结果表明：基于松散型小波神经网络应用在电压敏感电路故障诊断中,具有较高故障诊断率,验证了该方法的有效性。     

基于小波包和BP网络的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承状态寿命的评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提取小波包重构信号的频带能量构造特征矢量,利用推广性能良好的贝叶斯正则化BP网络作为状态寿命评估的算法建立特征向量与状态寿命之间的映射,采用滚动轴承全寿命试验数据作为学习样本,训练和确定评估模型.试验验证了模型的有效性和可信性.     

航空发动机外部管路调频的有限元计算方法

利用有限元方法对航空发动机外部管路模态进行了计算,得到了管路的固有频率及模态振型;通过计算,分析了安装不同数量、位置的卡箍对管路固有频率的影响,以此为依据进行了管路调频,避免了管路共振的发生。     

基于小波变换和AR-GM(1.1)的发动机状态监控

一般情况下,润滑油对发动机起着非常重要的作用,它直接关系着发动机能否安全可靠工作以及工作性能的优劣。由于润滑油中带有大量的发动机磨损情况的有用信息,需要对润滑油进行油液监控分析,从而可以得到发动机的磨损情况,可提前发现发动机的潜在故障,做到预防性维修。本文提出一种基于小波变换和AR-GM(1.1)方法对滑油金属含量时间序列值的变化情况进行预测。通过与GM(1.1)预测方法相比较,该方法具有很好的预测效果。     

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

武汉站第23周电离层TEC与太阳及地磁活动的相关性分析

利用武汉电离层观测站1997-2007年电离层TEC资料, 采用连续小波变换和交叉小波以及小波相干方法, 分析了该站电离层TEC的周期变化特征以及与太阳和地磁活动之间的关系. 分析结果表明, 武汉站TEC变化的长期趋势主要随太阳活动的强弱而变化; 在局部时域上分别存在128～256d, 256～512d和512d～1024d的周期尺度, 且与同时期的太阳黑子数和地磁Dst指数的周期特征存在很好的对应关系; 太阳黑子数在512～1024d周期尺度上超前TEC变化约1/6个周期; 在准半年的周期尺度上武汉站TEC与地磁Dst指数几乎呈反相位变化, 但TEC对$Dst$指数的这种响应仅在太阳活动高年存在, 具体机理尚需进一步分析研究.      

基于支持向量机的卫星执行机构故障诊断研究

针对脉冲等离子体推力器（Pulsed Plasma Thruster,PPT）作为执行机构的微纳卫星姿态控制系统故障问题,采用了支持向量(Support Vector Machine,SVM)技术对脉冲等离子体推力器的两种常见故障进行检测与隔离。运用自适应遗传算法优化墨西哥草帽小波核函数参数,并结合小波分析,提高了SVM分类器的超平面寻优效率与泛化能力。最后,通过仿真分析,验证了该方法可快速准确地完成故障诊断任务,也证明了小波核函数支持向量机技术在故障诊断方面的先进性与有效性。     

一种基于支持向量回归的混合建模方法

近年来,随着计算能力的不断提高,数据驱动的建模方法受到了广泛的关注,对单模式系统进行定量分析的建模方法获得了诸多研究。然而,实际应用中大多数系统为多模式系统,不但各个模式有着不同的连续行为,连续状态还会在模式之间进行切换。针对这一情形,本文提出了经验概率混合自动机模型,并提出了针对该模型的基于支持向量回归(SVR)的多模式定性定量混合建模方法。该方法使用小波技术识别模式切换点,并在各个模式下单独建立支持向量模型,最后使用D-Markov机整合模型。经实例验证,该方法与传统支持向量回归模型的稳定性接近,但精确程度显著提高。     

小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。