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.      

便携式三坐标测量系统中可调光笔的设计

为提高光笔式三坐标测量系统的精度,设计了一个无线控制系统,用于控制光笔上LED的亮度值,点亮个数以及点亮时间。硬件部分主要由无线通信模块,单片机以及LED驱动器组成,而软件主要包括无线通信,串行通信以及LED控制程序三个模块。实验结果表明,相对于传统系统,该系统线性度好,灵敏度高,响应速度快,满足测量系统对实时性、稳定性、灵活性的要求。     

用于识别双星故障的RAIM算法

由于传统的基于识别门限的卫星故障识别算法存在漏检和误警致使识别率较低,为此提出一种可用于识别双星故障的接收机自主完好性监测算法.该算法通过构造新的奇偶矢量与故障特征平面,利用奇偶矢量与故障特征平面之间的几何关系来识别卫星故障,使得算法不再受限于识别门限的影响,从而有效地避免了由于识别门限引起的识别效率较低的问题.计算机仿真结果表明:改进后的算法与传统的基于识别门限的算法相比,双星故障正确识别的性能有显著的提高,正确识别率可达到90%.同时,与基于门限识别的重构最优奇偶矢量法相比,计算量可减少约61.2%以上.     

基于回归型支持向量机的空战目标威胁评估

空战目标威胁评估是协同多目标攻击中的关键问题.针对传统空战目标威胁评估方法在确定权重系数方面的不足,提出了一种新的基于回归型支持向量机的评估方法.在分析了现有的空战目标威胁评估方法中距离威胁模型存在缺陷的基础上,提出了改进的距离威胁模型.建立了基于回归型支持向量机的空战目标威胁评估模型,利用该模型对想定的空战目标进行了威胁评估.仿真结果表明,该方法具有很好的预测能力,可以快速、准确地完成空战目标威胁评估.     

太阳矢量在行星际探测器姿态估计中的应用研究

在基于矢量观测的行星际探测器姿态确定中,参考矢量的几何关系是影响姿态估计精度的一个重要因素。针对这一问题,本文提出了一种利用太阳矢量来提高探测器姿态估计精度的最优算法。该方法在引入太阳矢量的基础上,将星敏感器测得的姿态四元数转化为两个互相垂直的参考矢量,并根据敏感器的测量精度计算相应的规范化权值系数;结合姿态四元数估计算法,给出最小二乘意义下的探测器最优姿态估计。最后,以深度撞击任务的实际飞行数据对本文所提算法进行验证。仿真结果表明,引入太阳矢量后的三轴姿态角估计误差小于150μrad,完全满足深度撞击任务的要求。     

工质温度对二次喷射推力矢量性能的影响

为了研究二次流温度对推力矢量的影响规律,本文基于二次喷射的基本原理,利用计算流体力学(CFD)软件,对不同温度的二次流进行了模拟仿真分析。结果表明,在相同喷射压强和喷射流量下,二次流温度越高,在扩张段影响的范围就越大,但产生的侧向力和温度并不是简单的正变关系。在此分析的基础上,提出了一种合理利用二次流温度的工程方案。
     

阶梯波合成整流器及其调制策略

提出了基于阶梯波合成结构的整流器,具有开关频率低、谐波含量小、滤波器体积小、输入功率因数和输出电压可控等优点,非常适合大功率应用场合.详细介绍了其工作原理.分析了输出电压调节方法,并提出采用具有特殊采样时序的错时采样空间矢量调制方法对其进行PWM调节,既保留了阶梯波合成技术的消谐波能力又使得交流侧合成电压的相位和幅值可调,以便于实现输入单位功率因数和输出直流电压的调节,最后通过实验验证了该阶梯波合成整流器的可行性.     

基于序列二次规划的推力矢量控制分配方法

  针对使用推力矢量控制的航天器,建立了游动发动机的数学模型,在分析了游动发动机摆角约束的基础上,提出了推力矢量控制分配问题。将该控制分配问题转化成以力矩误差最小和对变轨推力影响最小作为优化目标的多目标优化问题,引入序列二次规划进行求解,得到一种新的控制分配方法。仿真结果表明,该方法能够准确实现期望目标,验证了所提出的控制分配方法的可行性和有效性。     

Vector容器效率测试

本文为测试STL中的各种容器效率提供了模板,并重点讨论了向量vector内存分配机制和执行效率问题,并在这两方面和其它几种容器进行了比较,最后提出了提高vector效率的几种方法。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。