基于瞬时频率分析的笼型电机转子断条故障诊断

电机电流信号特征分析方法诊断笼型电机转子断条故障时,诊断效果受制于电机运行状态的影响,甚至会发生误诊断。针对这一问题,提出基于瞬时频率分析的笼型电机转子断条故障诊断方法。首先对起动电流进行FIR低通滤波,以提取包含转子断条故障特征的单分量谐波信号,然后采用相位微分方法计算该信号的瞬时频率,并根据fs平面上的瞬时频率-滑差曲线判断故障发生与否。在3 kW电机试验平台上对所提出的方法进行验证,试验结果表明了所提方法的有效性。     

基于稀疏和冗余表示的图像融合方法

为了产生能提供更多信息的融合图像,提出了一种基于SRR(Sparse and Redundant Represent,稀疏和冗余表示)理论的图像融合方法。该方法首先采用训练所得的冗余字典对原始图像进行稀疏表示,然后对系数矩阵采用1-范数取大融合规则进行融合,最后对融合系数矩阵和冗余字典进行重建以得到融合图像。将该方法与拉普拉斯变换、PCA(Principal Component Analysis,主成分分析)、DWT(Discrete Wavelet Transform,离散小波变换)、CVT(Cur Velet Transform,曲波变换)和NSCT(Non-Subsampled Contourlet Transform,非下采样轮廓波变换)等方法在几组图像上进行比较,实验结果表明,该方法在一定程度上提高了融合图像的质量,在主观和客观上都具有较好的性能。     

导航接收机抗干扰算法综述

近年来,导航接收机抗干扰技术发展迅速,成为导航领域的研究重点。介绍了抗干扰技术的发展历程,分析总结了目前主要的抗干扰方法及算法特点,并讨论了未来关键需求和发展方向,对接收机抗干扰技术的研究和工程应用有一定意义。     

星基ADS与雷达误差校准算法的研究

基于星基自动相关监视(ADS)系统和雷达各自的特点,分析了空中交通管制中ADS与雷达数据融合的模型,提出了在传统的地心地固(ECEF)坐标系中星基ADS和雷达系统误差校准的算法。同时,针对ADS数据的特性,又进一步提出了在Geodetic坐标系和以雷达站为极点的极坐标系(以下简称雷达站极坐标系)中的系统误差校准算法。最后,对校准效果进行了仿真分析和比较,并介绍了一种有效应用上述算法的方法。     

航迹起始算法研究

针对传统的基于逻辑的航迹起始算法存在的弊端,分别提出了基于一步延迟思想和多假设思想的航迹起始算法。基于一步延迟思想的方法利用相邻2个采样周期的量测信息来选择用于航迹扩展的量测,从而实现航迹扩展的唯一性,可以在保证航迹起始性能的同时有效地降低存储要求。而在基于多假设思想的航迹起始算法中,在候选目标航迹的扩展阶段,采用关联矩阵拆分的办法获得当前多个可行假设,进而实现原假设的扩展与分裂,从而使得扩展后的源于各个候选目标的量测序列之间无共用量测现象。仿真结果表明了算法的有效性。     

面向空间导航系统设计的GPS量测仿真增强研究(英文)

在星载导航系统的初步方案规划和算法设计阶段,出于对潜在的折中考虑,高保真的GPS软件仿真器是一种必要且可行的实验室测试手段。本文研究开发了面向空间导航系统设计的GPS量测软件仿真器,它主要针对L1C/A码和载波信号,也就是说该仿真器使用MATLAB编程语言产生C/A码伪距量测和载波量测。论文推导了基于地心惯性坐标系(ECI)的数学模型,用来仿真GPS星座并产生GPS量测数据;在星历数据选择、空间电离层模型和伪距率计算等方面,深入研究并应用一系列增效措施以合理化实现该仿真器。建立的增强型GPS量测仿真器推进了我们现有的星载GPS/INS组合导航系统设计工作,将进一步提升在星载导航系统设计领域的研究。     

永磁同步电机的改进快速终端滑模控制

针对线性滑模控制永磁同步电机不能实现有限时间控制以及终端滑模控制不能实现快速收敛的问题,提出了一种改进快速终端滑模控制方法。所提控制方法经理论证明能实现更快的收敛速度。滑模控制律通过Lyapunov稳定性定理计算得出。对所提方法进行了仿真验证,并与终端滑模控制作对比,结果证明了所提改进快速终端滑模控制能有效地提高系统的起动性能和抗扰动性能。     

Spectral-spatial target detection based on data field modeling for hyperspectral data

Target detection is always an important application in hyperspectral image processing field. In this paper, a spectral-spatial target detection algorithm for hyperspectral data is proposed. The spatial feature and spectral feature were unified based on the data filed theory and extracted by weighted manifold embedding. The novelties of the proposed method lie in two aspects. One is the way in which the spatial features and spectral features were fused as a new feature based on the data field theory, and the other is that local information was introduced to describe the decision boundary and explore the discriminative features for target detection. The extracted features based on data field modeling and manifold embedding techniques were considered for a target detection task. Three standard hyperspectral datasets were considered in the analysis. The effectiveness of the proposed target detection algorithm based on data field theory was proved by the higher detection rates with lower False Alarm Rates (FARs) with respect to those achieved by conventional hyperspectral target detectors.     

Multiaxial fatigue life prediction of composite laminates

A study of composite laminates under tension–torsion biaxial loading is presented. The focus is placed on fatigue lives of composite laminates under different tension–torsion biaxial fatigue loading paths. A macro-meso model used to predict multiaxial fatigue life of composite laminates is also presented in this paper. Firstly, a macro-scale 3D RVE corresponding to composite laminates is established to determine strain components in the material principal direction of each layer for each biaxial stress ratio. Secondly, a meso-scale 3D RVE corresponding to each layer with fibers distributed randomly is established, with progressive damage prediction method, biaxial strength of composite laminates can be predicted, and the final failure layer can be confirmed. Thirdly, select any one of fatigue loading path at which the final failure of composite laminates is fiber failure (matrix failure) to establish the reference curve for fiber (matrix). Finally, with reference curve, fatigue life of composite laminates under any biaxial loading path can be predicted. And numerical results show good agreements with experimental data.     

基于场景识别的惯性基类脑导航方法

针对无人机导航中惯性器件产生的漂移误差不断随时间累积进而影响导航精度的问题,以仿生类脑导航为研究背景,提出了一种新的导航方法。与传统导航策略不同的是,该方法从周期性校正累积位置误差的角度出发,采用设置位置细胞节点的思路,利用训练好的卷积神经网络模型在细胞节点处进行图像匹配,从而在位置细胞节点处实现惯导位置漂移误差校正。同时,建立节点之间的漂移误差模型,调整误差方程系数,以达到修正漂移误差的目的。最后,基于无人机飞行实验结果验证了该方法对自主导航的有效性和鲁棒性,该方法能够有效提高无人机导航的精度。