飞机结构健康监控中的信息处理技术

在今年本刊第三期刊登的《飞机结构健康监控中的信息获取技术》中,详细介绍了结构健康系统中信息获取的各种手段和途径,本文主要介绍通过上述途径获得信息之后的处理技术,这些信息处理技术可以剔除与结构健康状态无关的干扰信号,并对能反映结构的损伤状态的信号进行压缩、提炼、转化,使之成为有用的信号以确定结构的健康状态,并对结构健康监控系统做出了展望。     

基于小波变换的SAR相干斑抑制方法研究

SAR图像固有的相干斑噪声恶化了其成像质量,如何有效抑制相干斑噪声并保留SAR图像的细节信息是研究的一个热点问题。基于SAR相干斑乘性噪声模型,根据小波阈值处理的原理,分析小波滤波在SAR相干斑抑制中存在的关键问题和硬、软阈值处理中存在的不足,提出一种新的阈值函数,并利用均方误差和峰值信噪比指标对相干斑抑制效果进行评估。实验结果表明,新的阈值函数在有效抑制相干斑噪声的同时还保留大量SAR图像的细节信息,较硬、软阈值函数有更好的滤波效果。     

轴流压气机转子叶尖二次涡的试验验证及形成机理

对轴流压气机转子机匣壁面静压进行动态测量,采用小波分析方法处理近失速工况动态压力测量信号,功率谱显示在与二次涡相近的频率上存在较高的能量带,能量峰值沿轴向的衰减与二次涡的变化规律相符,表明二次涡在流场中存在是可能的。针对相同转子进行全通道非定常数值模拟,计算结果表明,近失速工况下,转子圆周每个通道叶顶附近均存在规律一致的二次涡运动。叶片中后段间隙泄漏流与间隙泄漏涡破碎产生的低能流体相互作用,在泄漏涡破碎形成的堵塞区域中形成二次涡。二次涡运动使得近叶顶载荷分布发生变化,从而导致近叶顶流场出现了一种周期性的自维持的非定常流动现象。     

基于图像处理路面裂缝自动化检测及识别关键问题研究

论述国内外路面裂缝自动化检测及识别发展现状的基础上,分析了基于图像处理的高速公路路面裂缝检测及识别的关键问题并提出了相应的处理方法。平稳小波阈值方法去噪,改进Canny准则算法边缘检测,BP神经网络识别系统识别。     

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.      

宽带LFM信号的线性度测量

介绍了一种采用微波延迟线鉴相的方法对宽带LFM信号的线性度进行测量的装置。在该装置中,使用光纤、电缆实现微波延时,在小波变换的基础上采用相位建模以提高瞬时频率的测频准确度,根据线性调频信号的调频形式建立数学模型,得出了线性度的数学表达式。     

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B样条小波有限元激光陀螺抖轮的分析

建立了激光陀螺抖轮的三维有限元模型,对其振动特性进行了模态分析,建立了整个 模型B样条小波有限元模型;研究了一类新的有限元空间,它以B样条小波函数作为有限等参 元的形状函数;建立了模型的B样条小波有限元序列,利用B样条小波函数的变尺度特性在不 改变网格的剖分下提高分辨率,因此在处理局部应力集中,曲率分布突变边界等应用中具有 一定的优势,所以它的结果更接近于实际。最后对系统模型进行了仿真,给出了各个阶次 模态值,通过与传统有限元比较发现小波有限元具有收敛性好、求解迅速和网格划分灵活
等优点,这对于激光陀螺抖轮的优化设计具有重要参考价值。