基于小波包变换与D-S证据理论的多聚焦图像融合

介绍采用小波包变换实现多聚焦图像融合的原理及一般结构,提出一种基于D—S证据理论的融合规则,并给出实例仿真实验。实验结果表明,该方法具有良好的效果。     

D-S证据理论在多传感器数据融合中的应用

近年来,许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法,最常用的算法是贝叶斯决策检验法,国际上已提出将证据理论用于数据融合,但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质,给出了可信度公理及Ｄ－Ｓ综合规则,并进行了计算机仿真实验,实验结果说明这种判决方法非常实用,用于数据融合算法非常有效     

基于证据理论聚类算法的故障诊断

为了正确高效地诊断故障,以并发故障为例,建立了基于证据理论聚类算法的诊断模型,提出了基于Dempster理论的聚类算法,该聚类算法既分析每个单类,还考虑单类的各种组合,并利用质心特性,将单类聚类原型推广为适合组合类特性的聚类原型。通过故障实例说明,本文模型既适合普通故障诊断,更适合并发故障诊断,且计算的时间复杂度较小。     

基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法

依据直升机旋翼不平衡故障空间与多点机体振动空间存在一对一映射关系的理论,采用某旋翼试验台设置桨距不平衡、质量不平衡以及后缘调整片不平衡的方法获取试验数据。利用小波变换和神经网络处理直升机机体振动信号,并对直升机旋翼单故障和复合故障进行诊断。最终实现了一种利用小波变换处理机体振动信号诊断旋翼不平衡故障的方法。     

基于不完备模糊规则库的信息融合故障诊断方法

在基于模糊推理的故障诊断专家系统中,规则库的不完备常常会引起系统的某些输入产生的输出不确定。针对此问题,将模糊推理与证据理论相结合提出了一种新的融合诊断方法。首先根据证据的随机集表示及随机集扩展准则将模糊输入映射到输出,并聚合生成故障命题的基本概率赋值(BPA),以度量由规则库不完备和输入模糊性引起的输出不确定。然后利用Dempster组合规则将多个不完备规则库提供的BPA融合,用融合结果判决故障,并以电机转子故障诊断为例,验证了所提方法可以有效地提高故障确诊率。     

一种基于证据理论的目标识别加权数据融合

在分析证据理论数学内涵的基础上,给出一种不确定性的目标识别加权数据融合方法,即先对不同传感器赋予不同的可信权值,形成新的m ass函数,再通过D-S合成公式进行数据融合。理论分析和实践检验证明,该方法可有效地提高目标识别的准确性。     

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型。基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取。采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比。结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力。     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析,同时结合发动机试车台监测数据,提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值,将原始数据进行了预处理,转换成故障征兆的布尔值;其次,建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系,由此获得了各子神经网络的训练样本,对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果;然后,将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值,利用改进的D—S证据理论。实现了对神经网络诊断结果的融合,由此获得了最终的融合诊断结果,最后,通过算例证明了该方法的有效性。     

基于视听融合的宽频带振动频谱提取（英文）

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制,视听融合算法可以有效解决单一模态存在的问题。基于此,文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法,该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征,使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明,该模型的表现优于最新的振动提取方法,如Reg Net, MFCNN及L2L等,噪声环境下的振动频谱提取准确率提高15%。     

基于机体振动的直升机桨毂阻尼故障诊断

研究了仅用机体振动信号诊断旋翼减摆器阻尼失效、轴向铰卡涩和水平铰卡涩3种桨毂阻尼故障的可行性。在旋翼试验台上分别设置上述3种阻尼故障,测取机体振动响应,利用快速傅立叶变换分析其频谱特征。分析表明,3种阻尼故障引起的机体振动谱图互不相同。采用概率神经网络实现了3种阻尼故障的正确分类。研究表明,仅用机体振动响应实现旋翼阻尼故障诊断是可行的。     

基于未知输入观测器的四旋翼无人机故障诊断与模型参考容错控制

对四旋翼无人机（Unmanned aerial vehicle, UAV）姿态控制系统的执行器故障诊断问题进行了研究,在系统模型方面全面地考虑了模型的非线性和四旋翼无人机在飞行过程中受到外部干扰的情况。由于未知输入观测器可以将干扰、误差等作为未知输入进行处理,对干扰不敏感而对故障比较敏感,故设计了一种新的未知输入观测器进行故障诊断。同时为了保持四旋翼无人机在故障发生后的稳定性或者仍然可以按照预定轨迹运动,在得到准确的故障估计后为四旋翼无人机姿态控制系统设计了模型参考容错控制器,使其可以跟踪给定的参考模型。仿真结果证明了本文提出的故障诊断与容错控制方法的有效性。     

基于旋转机械故障诊断模糊神经网络多传感器融合(英文)

目前多传感器融合技术能够有效地提高精度和容错能力 ,所以它广泛应用于目标识别领域中。本文描述了一种基于旋转机械故障诊断多传感器融合系统 ,在数据融合处理中利用模糊神经网络 ,比较了采用基于数据融合实验结果和没有融合的原始数据 ,显然前者比后者更精确。     

用于旋翼飞机开发研究的多分野解析框架（英文）

介绍了日本宇宙航空研究开发机构研发的用于旋翼飞机的多分野解析框架。Heli Design是在各种旋翼飞机初期概念设计时使用的软件;rFlight可以提供在各种飞行条件下的平衡解析和线性化飞行模型;rBET/RMT是基于叶片要素理论的低保真度空力解析软件,和rMode提供的结构模型结合,可以推测旋转翼的弹性变形和各种飞行条件下的空力负载;rFlow3D是基于CFD计算的高保真度数值模拟软件;rGrid系列自动网格构造工具为其提供简单的网格生成;基于rFlow3D的计算结果,r Noise可以预测在任何观测点的噪声。这些软件已经广泛地被应用在各种新型旋翼飞机的开发研究中,其计算精度也已被各种实验结果所应证。     

基于LabVIEW的电控旋翼测控系统设计

以电控旋翼综合试验台为研究对象,基于LabVIEW设计开发了一套电控旋翼测控系统。采用自顶向下的设计方法,将各个需要实现的功能模块化,供顶层统一调用。该测控系统整合了测控系统中各个硬件功能,有效实现了系统运行状态反馈、设备控制、控制参数在线发送、数据实时采集与储存、以及旋翼状态监视系统自动保护等功能。试验实测表明:所开发的电控旋翼测控系统能够实现所需的各项功能并满足性能要求。     

应用神经网络的航空发动机故障诊断仿真研究(英文)

传统的定期维护制度成本高 ,劳动强度大 ,且对发动机故障的诊断和探测能力十分有限。现代飞机上的发动机监控系统 ( EMS)具有向维护人员提供有关发动机故障信息的潜在能力。本文将径向基函数 ( RBF)神经网络应用到航空发动机故障诊断中。该方法能够依靠测量参数探测发动机多个气路故障 ,并对各大部件的性能退化进行定量的诊断。仿真结果表明 ,诊断的精度能够满足实际应用的需要 ,神经网络的非线性映射能力可用来捕捉发动机的特性。该方法具有通用性 ,在其他类似的复杂机械中也可以获得应用。     

基于加权PCR证据融合的多传感器Lamb波损伤成像

为提高基于Lamb波损伤定位成像的对比度和可靠性,提出了一种基于证据理论多传感器信息融合的损伤成像方法。基于连续小波变换,确定了传感路径的时间延迟,进而采用椭圆定位法进行损伤成像。以信号时频带能量变化率为指标,确定了传感路径的权重值,提出了一种基于加权比例冲突再分配(Proportional conflict redistribution,PCR)证据融合算法,并以此对多组传感路径的定位成像进行融合。试验结果表明,该方法具有较好的成像对比度,且能降低因部分传感路径时间延迟判断失误对成像结果造成的影响。     

基于支持向量机的直升机旋翼不平衡故障分类研究

提出一种利用支持向量机进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的支持向量机诊断模型,进行了直升机旋翼不平衡故障模拟试验,分别采集了在旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号,并对其进行了功率谱分析.采用基于支持向量机的诊断模型对旋翼不平衡故障进行了故障分类识别,并与基于径向基神经网络的诊断模型进行了故障识别效果对比.结果表明基于支持向量机的诊断方法在小样本条件下,对旋翼不平衡故障具有良好的识别能力.     

基于证据理论的覆盖决策信息系统约简的数值刻画

决策为划分的覆盖决策信息系统的特征选择理论和方法日趋成熟。但在数据采集的过程中,有些数据集存在对象的决策缺失或决策不能完全确定情况,那么将决策刻画为覆盖更加合理。而决策为覆盖的覆盖决策信息系统特征选择的研究却很少见。本文讨论决策为覆盖的覆盖决策信息系统的特征选择,利用证据理论中的信任函数和似然函数给出覆盖决策信息系统约简的等价刻画,从而给出求约简的算法,并以实例说明该方法的有效性。     

基于智能变距拉杆的旋翼平衡实时调整方法

旋翼不平衡是造成直升机振动的重要原因,而传统旋翼平衡调整是一种定期维护方法,耗时长且无法长时间保持维护后的振动水平。本文研制了一套基于智能变距拉杆的旋翼平衡实时调整（In flight tuning,IFT）系统,可以根据计算机发出的数字指令控制智能变距拉杆长度实现桨叶变距输入,进而完成旋翼动平衡调整。试验发现智能变距拉杆杆端位移量对旋翼转频振动分量的影响呈线性规律,由此确定拉杆调整系数矩阵。当获取旋翼不平衡振动信息后,根据相位选择相应拉杆作为调整器,根据振幅在调整矢量方向投影的大小关系设计了调整策略,得到拉杆完成平衡调整所需的位移量。通过旋翼塔试验验证了该方法的有效性,结果表明该方法可以在直升机飞行过程中实时降低旋翼振动水平,有效提高了旋翼动平衡调整效率。     

基于BP神经网络方法的航空活塞发动机故障诊断

BP神经网络在机械故障诊断领域内已取得较多的成功经验。本文调用Matlab中的神经网络工具箱,运用BP神经网络对CESSNA．172R的航空活塞发动机进行故障诊断,建立故障数据库。