空间科学任务协同设计论证平台

空间科学任务协同设计论证存在设计方案耦合强,数据一致性差,数据变更难,数据与流程脱节等问题.为了解决上述问题,建立了典型空间科学任务的多层数字化模型;采用图形化方式对论证流程进行建模,并建立流程与数据的映射关系;通过共享数据池的方式为多岗位用户提供多方案数据协同机制;采用消息总线对数据变更进行及时提醒;利用方案依赖关系矩阵来判别方案耦合关系,最终自动合并任务总体设计方案.作为一个分布式平台,空间科学任务协同设计平台采用Eclipse RCP和Spring技术架构,整合了Hibernate、工作流Activiti5等中间件,提供统一门户,支持多岗位、多任务、多方案、多版本的管理能力,提供论证流程监控、数据协同交互等功能.结合某空间科学任务论证验证了该平台的有效性.      

基于小波包分解的早期碰摩故障诊断研究

研究了旋转机械转静件早期碰摩故障信号的检测问题.根据小波包分解能在所有频率范围聚焦,对信号奇异性非常敏感的特性,对比分析了不碰摩和早期碰摩信号的小波包分解细节分量,得出应用小波包分解可实现早期碰摩故障诊断.同时,还研究并实现了碰摩故障的定位问题.      

基于三阶累积量的转子振动信号降噪方法研究

本文根据信号分离理论研究了发动机转子系统振动信号的降噪问题。当转子系统发生轻微碰摩时 ,由于振动信号中含有瞬时突变的微弱高频信息 ,这可能与高频随机噪声的频带互相叠加 ,所以利用传统的滤波方法不能有效地去噪 ,为碰摩故障诊断带来了困难。本文利用基于高阶累积量的盲信号分离方法 ,设计了相应算法 ,成功地从被噪声污染的信号中恢复源振动信号 ,从而可确保碰摩故障的检测和诊断能顺利进行     

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

基于相关函数的盲信号分离准则

盲信号分离的依据通常是信号的独立性或利用它们的高阶累积量。考虑了双通道的盲分离问题，提出了一种基于相关函数的盲分离准则。证明了在源信号不相关的条件下，可以实现源信号的盲分离。并给出了一种可直接求解二次方程组的盲分离算法。     

星下点构型对目标定位精度的影响分析

基于TDOA/FDOA对地面辐射源目标的定位原理，建立了多星TDOA/FDOA联合定位模型和定位精度分析模型。针对三星和四星系统不同星下点构型，仿真分析了星下点构型对目标定位精度的影响。三星星下点构型包括星下点直线型、等腰锐角三角形、等边三角形、等腰直角三角形、等腰钝角三角形等5种情况。四星星下点构型包括直线型、三角形、凹四边形和凸四边形等4种情况。分析结果表明，增加卫星数量能够提高探测区域内目标的定位因子和定位精度；星下点非直线型的三星及四星构型，定位精度优于直线型构型，各卫星之间的基线长度尽可能长。