基于Hamming神经网络聚类分析的进化策略

本文提出了一种基于Ｈａｍｍｉｎｇ神经网络聚类分析的进化策略，模糊自适应Ｈａｍｍｉｎｇ神经网络各类族的权重矢量纪录被进化搜索过的区域，并相应妄下该区域内最优个体和它的适应度，因此通过Ｈａｍｍｉｎｇ神经网络对进化个体的聚类分析，进化策略具有搜索记忆性，可以充分保证下一代遗传群体中个体遗传基因的丰富性，从而避免早熟现象的发生，这种进化策略还可以避免在被搜索过的区域内的无用搜索，进而加快进化策略的收敛速度     

相控斜侧面阵AEW雷达时空二维自适应杂波抑制

在分析了斜侧面阵与地面反射点几何关系的基础上建立了地面杂波回波的信号模型，利用这一杂波模型采用构造矩阵的方法对杂波子空间进行了分析，得到了杂波子空间的主要特征，给出了二维杂波谱和最优处理器性能的仿真结果。     

基于互相关分析的前失速先兆检测分析

针对轴流压气机流动失稳控制中的反馈信号,采用互相关分析方法对前失速先兆信号进行了检测。通过在机匣壁面周向对称布置的动态传感器对压力信号进行检测分析,并在单转子低速轴流压气机上进行了实验研究。实验中分析了不同流量工况时,对称布置动态传感器压力信号互相关系数的变化趋势,并在此基础上对前失速先兆与叶顶间隙泄漏涡非定常性进行了关联性研究;同时也分析了采用叶顶喷气作为控制手段之后,机匣壁面对称布置传感器动态压力信号的互相关系数随着喷气量增加的变化趋势。实验结果表明:互相关检测分析方法能够有效及时地检测到壁面压力锯齿波的破坏程度,有利于提高控制器的响应速度,留给作动机构充足的反应时间。而且叶顶喷气作为控制手段能够提高对称布置传感器动态压力信号的互相关系数,从而实现拓宽稳定裕度的目的。     

基于提前停止判决的编码软信息辅助载波同步

 针对目前编码辅助载波同步算法中复杂度较高、延时大的问题,提出了引入辅助停止判决机制的编码辅助载波同步算法。在现有的编码辅助载波同步结构基础上,该算法能对环路信噪比(SNR)进行实时判定,在环路SNR满足限定条件后提前停止编码辅助载波同步迭代,而不影响译码性能。采用新的相位估计方式估计含相位噪声的载波相位,提升了该条件下的环路信噪比。仿真采用码率为1/2的低密度奇偶校验(LDPC)码作为编码方式,结果表明:在误码率为10^-5时,该算法减少了约50%的编码辅助载波同步迭代次数;在含相位噪声的信号条件下,与理想解调译码相比,性能损失不超过0.15 dB。     

基于系统优势函数和IAHP的预警机作战效能评估

针对预警机作战效能评估中作战效能的系统性和评估数据的不确定性问题,在建立预警机作战效能评估指标体系的基础上,建立基于系统优势函数和IAHP的预警机作战效能评估模型,并利用该模型对担负电子对抗任务的预警机作战效能进行分析。实例表明,加强分系统之间的协同合作是提高预警机作战效能的有效方法。     

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     

一种改进的航空发动机转静件碰摩故障诊断方法

针对航空发动机碰摩故障的实际情况,分析了各种诊断方法的应用局限性,引入并改进适用于航空发动机碰摩诊断的基于SVD(奇异值分解)的碰摩特征提取方法:提出利用数据边界延拓来消除边界振荡,以此发展了适合短时间序列和长时间序列的奇异值分解处理方法,并探讨了简便实用的奇异值选择方法.并在某航空发动机故障信号的检测中,取得了良好的效果.      

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

高等院校贷款的风险规避与对策

高等院校为适应扩大招生规模的需要，大量举债，目前高校贷款总额已达1500亿-2000亿之间；银行认为贷款安全而主动与高校合作，可以得到回报；政府将为高校贷款（高校为公益事业）承担巨大风险。从高等院校公用、专项经费看，许多院校无力偿还贷款。希望各高校、银行、政府能够有所警示和启迪。     

Real-time coseismic wave retrieving by integrated Kalman filter with observations of GPS,Glonass and strong-motion sensor

A method of real-time coseismic wave retrieving was proposed based on the tight integration of GPS, Glonass and strong-motion sensor observations, the validation and precision analysis have been made by an experimental data. The series of results have been shown that: by the integrated Kalman filter and multi-sensors, the coseismic waves can be optimally recovered by complement the advantages of each other, especially when the observation conditions are very bad. In additional, the results are not significantly effected by different receiver clock error processes for the integration solution.