基于齿廓修形的锥齿轮再制造技术

锥齿轮是航空发动机传动系统中的重要组成部分,在使用过程中容易产生齿面磨损、齿面点蚀、齿面剥落、齿面胶合等故障。文中分析了锥齿轮故障原因及再制造可行性,构建了锥齿轮的再制造判别标准,制订了以齿廓修形技术为核心的锥齿轮再制造工艺方法。通过检测渗碳层深度、硬度,试验验证,齿轮装配检查,台架试车考核表明：再制造的锥齿轮渗碳层深度、显微硬度符合设计要求,齿轮啮合间隙、着色印痕以及试车后齿面金属印痕均符合技术要求,装机试用的锥齿轮传动平稳,啮合性能好,产生的振动和噪声小。再制造成本仅为新品的11.3%,节能效果为86%,节材78%,取得了显著的经济和社会效益,具有广阔的应用前景。     

一种带随机时延和丢包的分布式多传感器融合估计方法

研究了分布式采样线性系统的最优信息融合问题。其中,传感器信息通过无线网络发送到中心单元,每个传感器的测量值受随机时延甚至丢包的影响,最优传感器融合设计为一个带有缓冲测量值的时变卡尔曼滤波器。进行了算例仿真与分析,表明了融合估计器的有效性。     

基于改进补零/差分的北斗弱信号捕获算法

北斗信号二次编码调制了速率为1kbps的NH码,频繁的比特跳变导致传统捕获算法的效果受到抑制,并且限制了积分时间的增长。为了实现北斗弱信号的捕获,提出了一种适合北斗弱信号的捕获算法,将补零算法和差分相干积分算法相结合并进行了优化设计。对补零算法和差分相干积分算法进行了改进,将差分延迟时间调整为20ms,有效消除了NH码的影响,并增加了积分时间,提高了信噪比。采用Monte Carlo仿真测试了在载噪比为20dBHz~38dBHz的条件下,此算法与传统算法的检测性能。结果表明,相比传统算法,此算法的捕获灵敏度提高了约10dB。此算法能够有效消除北斗NH码相位变化对信号捕获的影响,并提高信噪比,适用于弱信号条件下的北斗信号捕获。     

基于MEMS陀螺仪辅助的粒子群优化磁力计校正

目前磁力计校正中存在需要采集大量数据、获取良好的初值和已知准确的传感器噪声分布等问题,传统的粒子群优化磁力计校正算法能够解决以上问题,但是该算法只能用于磁力计简化模型,校正其中9个误差参数,造成补偿不准确的问题。该算法借助MEMS陀螺仪建立矢量目标函数,采用随机漂移粒子群优化算法估计磁力计12个误差参数,具有较强的全局搜索能力和动态适应性。经过仿真与实测实验表明,该算法在磁力计绕其任意2个单轴不完整旋转1周即可实现校正,并且能够在磁场变化情况下保持精度,相比于传统算法补偿精度高、操作简单。     

泛在无线信号定位辅助信息的标准化研究

目前利用泛在无线信号进行定位时所需要的特定辅助信息的数据格式和传输方式还没有出台相关标准,这在某种程度上制约了导航定位产业的发展。针对这一问题,提出了通过对卫星导航定位领域广泛使用的RTCM SC-104和NMEA 0183这两种国际标准格式进行扩展,使其包含泛在无线信号定位相关的辅助信息,并将其通过NTRIP协议进行播发,从而实现辅助信息数据格式和传输方式的标准化。该研究有利于传统高精度GNSS定位和泛在无线信号定位的融合,并为实现泛在(无处不在)的室内外一体化定位提供技术支撑。     

基于多源信息融合-相关向量机的风力发电机故障诊断

为了能够全面准确地识别风力发电机的故障类别,考虑信号源振动和电流之间的相关性,提出了一种基于信息融合和改进相关向量机相结合的故障诊断方法。通过直驱风力发电机试验台实测数据,提取具有较高敏感度的特征参数作为诊断样本,建立基于振动和电流的改进相关向量机诊断模型进行初步故障诊断。利用信息融合建立多信号源故障诊断模型,获得最终风机故障诊断结果。试验表明,与基于单一信号的故障诊断方法相比,该方法具有更高的准确性,能很好地识别具有机电耦合特性的风力发电机故障类型。     

北斗卫星B1频段信号质量时域评估方法

针对北斗信号的调制特点,用离线数据分析方法,理论分析与实测信号测试相结合,从北斗B1频点信号时域波形、眼图等方面对北斗B1频段信号数据的时域进行了质量分析评估测试,验证了评估方法的可行性,得到相对完善的时域评估方法,为信号时域畸变排查提供依据。此外,为了衡量信号的畸变程度,计算了国际民航组织发布的国际民用航空公约附件10所采纳的2OS模型中的3个参数：数字畸变中的超前/滞后参数、模拟畸变中的谐振频率和衰减因子的数值,并分析了其与测距偏差之间的关系,为单颗星信号质量在时域方面的评估提供了判断依据。     

基于粗集和支持向量机的雷达信号识别法

结合粗集的属性约简和支持向量机的分类机理,提出了一种融合算法.应用粗集理论的属性约简过程作为数据的预处理,把冗余的属性和冲突的对象从决策表中删去,却不损失任何有效信息;然后利用支持向量机进行分类识别.这样可以大大降低数据维数,减小支持向量机分类过程中的复杂度,在不同程度上避免了训练模型的过拟合现象,且分类性能更加优越.最后通过对雷达信号识别的仿真实例说明了上述方法的有效性.