基于主元分析的液体火箭发动机试验系统故障特征提取

在液体火箭发动机试验系统故障诊断中．采用主元分析方法对试验系统中可能出现的多种故障模式进行分析,确定了主元数目,并对试验系统原始测量数据进行特征提取。从氢、氧系统故障模式的主元投影结果分析看,各类故障可以较好分离出来,为下一步的故障诊断打下良好基础。     

高斯列主元消去法在Matlab中的实现

针对高斯消去法在迭代过程中出现的问题,阐述了高斯列主元消去法的算法思想,列出了流程图,利用Matlab语言编制了计算机实现程序。通过实例验证了其正确性和操作方便性。最后,以该程序的计算进行了误差分析。     

基于主元分析法的液体火箭发动机传感器故障检测与诊断

针对液体火箭发动机的压力、温度、流量等传感器数据,给出了一种基于主元分析法的传感器故障检测与诊断方法。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测与诊断。以某型LRE传感器组为研究对象,通过故障模拟,给出了该方法对4种典型传感器故障的检测与诊断实例。结果表明主元分析法对LRE传感器具有很好的故障检测和故障诊断能力。     

基于频响主元的卫星结构损伤定位与评估方法

鉴于目前国内卫星预、复振频响结果的评估主要依靠设计师的经验分析,缺乏高效准确的量化手段,文章基于频响函数(FRF)的主元分析(PCA),提出了两种针对卫星结构的损伤定位指标,分别是多主元综合指标和FRF主元残差均方根;并采用平方预测误差(SPE)指数对卫星结构的整体损伤程度进行评估。以卫星主承力部件中心承力筒为分析对象,验证了基于卫星结构频响主元的损伤定位和评估方法的有效性。文章对基于预、复振对比分析的损伤识别、量化试验评估标准、提高卫星研制效率有促进作用。     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

基于局部特征核主成分分析的SAR图像识别方法

利用传统的核主成分分析方法识别SAR图像时,存在目标姿态角依赖性强、图像象素之间关联性差等问题。针对这些问题,提出一种基于局部特征核主成分分析的SAR图像识别方法。该方法首先对图像进行相关预处理,然后结合SAR图像的特点提出一种基于局部特征核主成分分析的特征提取方法,最后设计了一种双分类器对提取的特征进行分类。MSTAR仿真实验表明：该方法不仅可以增强图像象素之间的相关性,而且对目标姿态角不存在依赖性,仿真结果验证了方法的有效性和可行性。
     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。     

采用VSCMGs的航天器IPACS设计的一种投影矩阵方法

研究以变速控制力矩陀螺群（VSCMGs）为执行机构的能量／姿态一体化控制系统（IPACS）中的操纵律设计问题。建立了带VSCMGs的刚性航天器的动力学方程，用Lyapunov方法设计了渐近稳定的姿态控制律；在对VSCMGs的动力学进行详细分析的基础上，用投影矩阵法设计了一种操纵律，该算法将姿态控制指令力矩分解成两个力矩分量之和，其中一个由陀螺模式提供，另一个由飞轮模式提供，从而使VSCMGs处于构型奇异时陀螺模式也处于工作状态，降低了飞轮模式的负荷；文中证明了IPACS所需的变速控制力矩陀螺（VSCMG）个数最少为3，并分析证明了所设计的算法可以有效地解决姿控／储能一体化设计中可能出现的奇异问题。仿真结果验证了所设计算法的可行性。     

基于区域特征光谱的自组织特征映射神经网络高光谱图像主成分提取方法

非监督分类算法用于高光谱图像主成分提取时存在分类精度受数据分布状态和噪声影响大的缺点,导致提取效果差。论文提出基于空间信息的神经网络非监督分类主成分提取算法,该算法首先通过空间邻域自动聚类提取区域特征光谱替代像元光谱作为自组织特征映射神经网络的训练样本,经过训练神经网络自适应获取高光谱图像地物类别特征,最后通过对光谱矢量聚类完成主成分的统计和提取。论文提出采用区域特征光谱替代单象元光谱作为训练样本有效抑制了噪声对分类结果的影响,同时显著减少了神经网络的数据处理量,使主成分得到快速准确地提取。对深圳红树林自然保护区高光谱图像的仿真结果表明:神经网络训练样本数降低了约95%,更重要的是算法快速准确地提取了主成分,提取效果明显好于K-均值算法。     

一种利用动态模量主曲线估算抗拉强度主曲线的方法

为获得抗拉强度主曲线,基于动态储能模量主曲线、应力松弛模量主曲线和Griffith方程,建立了固体推进剂动态和静态单向拉伸力学性能之间量化关系,即考虑温度折算后,推进剂抗拉强度之比等于动态模量相应变换后的均方根之比。依据这种关系,可从动态模量主曲线估算出推进剂在任意温度和拉速下的应力值,进而绘制成抗拉强度主曲线。将计算值与实测值进行对比,结果较一致。利用所得抗拉强度主曲线,可推广用于评估推进剂药柱是否具备承受点火冲击的力学性能。