最小波阻锥导乘波体和三维内转式进气道一体化设计

发展了最小波阻锥导乘波体和三维内转式进气道的一体化乘波体进气道设计新方法，给出了一个设计实例，评估了新型一体化前体进气道在典型状态下的流场结构和性能，验证了设计方法的正确性。文中首先介绍并验证了基于最小阻力理论或其他优化方法的最小波阻锥导乘波体的设计方法，然后介绍了内锥基准流场的设计过程，进一步介绍了流线追踪三维内转式进气道同最小波阻锥导乘波体的一体化设计方法，并对一体化构型在设计状态下的流场结构和流动参数进行了分析评估，结果符合预期。最后评估了新型一体化前体进气道在非设计条件下的性能，结果显示其具有较高的压缩进气效率。这种新型最小波阻锥导乘波体和三维内转式进气道的一体化设计技术，丰富了吸气式高超飞行器的一体化布局方案，可为后续吸气式高超飞行器一体化布局提供设计方法支撑。     

基于动态小波指纹的冰孔隙率测量方法研究（英文）

针对飞机结冰情况下的冰孔隙率测量问题，提出并评估了一种基于动态小波指纹技术的超声波孔隙率测量方法。通过理论模型和有限元仿真分析了超声纵波的传播过程，阐述了孔隙大小等因素对孔隙率测量的影响机理。结合20块冰样品的60组超声波测量数据，生成了小波指纹图像，并提取了11维关键特征。基于主成分分析和多项式拟合，所实现的孔隙率测量均方根误差（Root mean square error, RMSE）达到1.144%，说明本文方法比传统的峰值拟合方法更稳定、准确。     

自适应可调品质因子小波变换在轴承早期故障诊断中的应用

分析了可调品质因子小波变换(TQWT)的近似平移不变性,并通过模拟信号对该性质进行验证。提出了基于时频峭度指标优化的自适应可调品质因子小波变换(ATQWT)方法,用于解决滚动轴承早期故障诊断问题。首先利用时频峭度指标对TQWT的品质因子和冗余因子进行搜寻,确定最优影响参数后,根据所得结果设置好TQWT的参数并对原始信号进行处理,得到相应的信号分量并选定最佳信号分量,对最佳信号分量执行包络解调处理,最后分析包络谱中的频率成分来判定轴承的状态。实验信号分析结果表明:所得时频峭度指标更加可靠，鲁棒性更强。在低信噪比情况下,该方法可以准确分离出原始信号中的微弱特征,有效判定轴承的早期故障。      

润滑油红外光谱去噪预处理方法

采用小波包变换软阈值去噪方法对润滑油的红外光谱进行去噪预处理,结合偏最小二乘法进行定量预测,并与常用的平滑去噪方法进行对比。结果表明,小波包变换能有效地去除红外光谱的噪声,以此为基础建立的润滑油酸值模型的预测精度高于常用的平均平滑法和 Savitzky-Golay卷积平滑法这 2种平滑去噪方法的预测精度。     

小波与BP神经网络联合反演GNSS IR高精度水库水位变化

GNSS-IR技术作为一种近地表遥感的新兴手段，在水库水位监测方面凭借其成本低、精度高等优势成为了研究热点。为了提高GNSS-IR技术反演水库水位变化的精度，提出了利用GPS、BDS双系统观测量基于小波分解与BP神经网络联合的方法反演水库水位变化。选取位于南水北调山东境内双王城水库GNSS变形观测站2017年10月1日—12月26日共87天的信噪比(SNR）数据为研究对象，分别利用小波分解和二阶多项式拟合两种方法消除其趋势项并生成SNR残差序列，然后进行Lomb-Scargle谱分析得到水库水位高度变化值，并与实测水位结果相比较。结果表明：各频段SNR利用小波分解和二阶多项式反演水位变化的平均均方根误差分别为0.1062m和 0.2245m，说明小波分解去趋势项的方法更优。最后，在小波分解去趋势项的基础上，利用阈值筛选出融合所用的频段(S1C、S2L、S5Q和S7I），分别采用均值算法、中值算法、随机森林算法和BP神经网络算法对GPS、BDS多频多模信号进行水库水位的融合反演。结果表明，对于水面较为平静的环境，以上算法均能实现厘米级的反演精度，其中BP神经网络算法用于水位反演的效果更优。     

胶接点焊接头拉伸声发射信号分析及其损伤模型北大核心CSCD

基于Box-Behnken Design响应面法开展胶接点焊工艺试验,分别采集了胶接点焊、点焊、粘接三种接头拉伸过程的声发射信号,采用小波包对信号进行分解重构,分析了三种接头的信号特征,同时结合撞击计数历程图对焊核失效断口进行了分析,并通过累计撞击计数建立了试件的损伤模型。结果表明:三种接头在屈服阶段和断裂阶段的声发射信号较为丰富;胶层失效和焊核拔出失效可以通过声发射信号特征进行区分,其中胶层失效时其声发射信号频率主要集中在0~62.5 kHz,焊核拔出失效时其声发射信号频率主要集中在31.25~281.25 kHz;声发射撞击计数历程图可以从总体上反映焊核失效过程;建立的损伤模型可以较好地表征试件损伤状态。     

基于多特征融合的电磁换向阀故障模式识别

为提高基于驱动端电流检测的电磁换向阀故障诊断方法的可靠性和识别准确度，开展了电磁换向阀故障模式识别方法研究。提出一种基于多特征融合的方法对电流信号时频分析和时域参数的特征值提取融合；通过设计电磁换向阀驱动端电流信号的采集实验，获取电磁换向阀驱动端电流的时域信号和二阶变化率的多特征曲线，提取时域参数及二阶变化率相应频带能量作为特征值，构建多特征融合的特征向量；采用基于径向基核函数的多分类支持向量机对电磁换向阀进行模式识别。结果表明：基于多特征融合的支持向量机较基于能量特征值的支持向量机可提升8.7%的识别精度和42.11%的验证准确率。