控制图异常模式的识别技术研究

质量控制图中所呈现出的异常状态可揭示出加工过程潜在的质量问题。本文提出了一种基于SLFM网络的控制图模式识别模型 ,该模型不仅能够识别控制图的 6种基本模式 ,对混合型的异常模式也能够有效识别。数字仿真表明 ,该模型训练速度快 ,识别精度高 ,并且具有很强的可塑性 ,适用于质量控制图的在线实时模式识别     

质量控制的智能化研究

简述了工序质量检验的智能方法及应用人工神经网络技术进行质量控制图异常模式自动识别等质量控制的智能化方法．重点介绍了作者提出的基于质量特性预测、采用自适应自校正网络的质量控制方法，以及依据确定性测量理论、应用有监督线性特征映射网络（SLFM）的过程参数控制法．     

质量控制图智能识别中样本数据的预处理

神经网络在质量控制图的异常模式识别应用中,小参数样本之间的模式特征在强随机干扰下差别不明显,易造成误判。本课题采用了两种样本数据的预处理方法--模糊化处理和指数加权滑动平均(EWMA)处理,可明显改善小参数异常模式的被识别能力。     

操纵面故障对飞行包线的影响研究

进行飞机操纵机构故障时飞行包线估计对提高飞行安全具有重要意义。针对飞机操纵面故障特点,提出一种在线飞行包线估计方法。首先根据操纵面对飞行动力学参数的影响建立故障参数模型,然后应用基于遗忘因子的最小二乘参数估计方法进行气动参数的在线估计,最后基于参数估计结果进行包线的精确估算和分析,计算结果可为驾驶员和包线保护控制提供参考。仿真分析表明,该方法能精确估计飞行包线范围。     

基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究

针对航空发动机上可用传感器测量参数偏少情况下的健康参数估计问题,提出1种先分类后估计的方法。将传感器测量参数输入异常监测模块,对发动机工作状态进行监测,若监测结果为无故障则直接给出无部件故障的诊断结论;否则将测量参数输入最小二乘支持向量机(LSSVM),对部件故障进行分类,卡尔曼滤波器根据分类结果只对故障部件的健康参数进行估计。仿真结果表明:该方法可以减少需要估计的健康参数,提高估计精度。     

航空发动机健康参数的卡尔曼滤波估计方法分析

针对航空发动机气路部件健康参数估计问题,研究了基于线性和非线性模型的卡尔曼滤波估计方法.通过对气路部件渐变故障的仿真,比较了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无味卡尔曼滤波(UKF)三种方法对健康参数的估计效果,对EKF在常增益条件下的仿真用时与估计结果进行了研究.结果表明,EKF可根据需要求取卡尔曼增益,能在较少计算量下得到较好的估计结果,是一种实用的非线性参数估计方法.     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节,对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题,提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点,提高了信源个数和信号参数的估计精度,实现算法的自适应控制;通过数理分析确定了多级搜索策略的最优级次,大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计;信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高,随着信噪比的提高而逐步增强;噪声对信源个数和信号参数估计精度的影响很大,尤其是低信噪比下;第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

外弹道节省参数的抗差估计

基于天基和地基测量的融合估计是高精度外弹道参数估计的发展趋势。然而在这些测量数据中,普遍存在粗差和模型偏差,直接影响参数的估计精度。针对此问题,本文结合双星定位系统、地面光学和雷达的联合测量,建立了基于抗差估计方法的外弹道节省参数估计模型,给出了算法流程和步骤。仿真表明,该算法确实能有效降低粗差和模型偏差对估计精度的影响,相比传统的节省参数估计方法,该算法确实有效。     

一种基于数据跳变检测的高动态环境GPS信号参数估计方法

鉴于高动态环境中 Ｇ Ｐ Ｓ信号参数估计和调制数据跳变检测所遇到的问题,采用扩展卡尔曼滤波方法（ Ｅ Ｋ Ｆ）对信号参数进行了估计,分析了通过载波辅助技术实现伪码延时估计的原理,重点研究了一种简单的数据跳变检测和估计参数修正方法。模拟结果表明这种方法在信号参数估计精度和动态跟踪性能等方面都能够满足高动态环境的要求。     

利用神经网络的海杂波幅度分布参数估计方法

海杂波是制约对海雷达探测性能的主要因素之一,掌握其特性,具有十分重要的意义。经典海杂波统计模型在参数估计方法上以传统统计学理论为基础,在样本数较少的情况下,估计结果往往较差,导致建模准确度下降。此外,在复杂非均匀探测背景下,难以实现海杂波模型参数的准确实时估计。针对该问题,文章将深度神经网络模型引入海杂波参数估计领域,通过构建合理的模型,使其具备海杂波幅度分布模型的高精度参数估计能力。该方法采用直方图统计的方法进行数据预处理,合理划分输入数据标签的分组区间,构建数据集训练神经网络,并利用测试数据得到神经网络估计结果。仿真数据和X波段IPIX雷达实测数据验证结果表明,与传统数理统计估计方法相比,该算法明显提升了海杂波统计模型参数估计精度。