基于旋转滤波矩阵束的异步电机转子断条故障诊断

现有异步电机故障诊断技术存在短时数据分辨率低、硬件开销大等缺点。针对这一问题,提出一种基于短时数据的旋转滤波矩阵束的异步电机转子断条故障诊断新方法。利用矩阵束算法抗噪性能强的优点,准确求出定子电流基频成分,并通过逆、正同步旋转变换,剔除了定子电流中的基频成分。利用矩阵束算法准确估算定子电流故障信号的频率和幅值,突破传统基于快速傅里叶变换(FFT)分析算法分辨率不足的限制。仿真和电机试验共同表明:旋转滤波矩阵束算法可以在短时数据的基础上准确辨识转子断条故障。     

基于预估-反馈联合处理的射频噪声干扰抑制算法

针对强射频（RF）噪声干扰下脉压雷达目标检测概率较低的问题,提出了一种基于预估-反馈联合处理的射频噪声干扰抑制算法。首先,对回波信号进行盲源分离预处理,并利用分数阶傅里叶变换（FRFT）的特性对目标回波信号进行参数估计以及窄带滤波处理,滤除大部分干扰和噪声的能量;然后,在数据层运用M/N逻辑法进行点迹处理,并结合径向速度方向判决,实现对目标航迹的预估检测;最后,利用数据层对航迹状态的反馈实时修正滤波器参数,从而在信号层更好地滤除干扰能量,并对中断航迹进行剔除,完成射频噪声干扰的抑制。仿真结果表明：与现有射频噪声干扰抑制技术相比,所提算法具有更优的干扰抑制效果。     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

Lamb波传播特性研究

应用三维弹性理论对Lamb波频散曲线进行理论建模.在Lamb波主动监测系统中,应用Gabor小波变换理论分析Lamb波信号的时延及相位角,获得了板中Lamb波的相群速度频散曲线.比较理论曲线与实验数据,证明了三维弹性理论建模方法的有效性.     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响,对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点,提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合,并且对小波包系数运用一种新的阈值去噪方法。实验结果表明,该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。     

一种电磁定位系统工作空间拓展方法

针对NDI电磁定位跟踪设备工作空间有限且在工作空间内定位精度不一致的问题,提出了一种利用机械臂移动磁场发生器从而拓展电磁定位系统工作空间且保证定位精度的方法。利用NDI系统返回的误差指示值衡量定位精度,当误差指示值超出设定的阈值时,利用机械臂移动磁场发生器使传感器重新位于NDI系统的最佳测量工作区,并将电磁定位系统测量的位姿通过空间变换方式统一到机械臂基座坐标系,从而在保证定位精度的同时也起到扩展工作空间的作用。为验证所提方法的有效性,通过实验验证定位误差与误差指标值及传感器到磁场发生器中心的距离成正相关关系;通过拓展前后的误差分析表明,所提方法能有效降低定位误差,平均位置误差从2.61 mm降低到1.34 mm,平均姿态误差从2.42°降低到1.37°。所提方法可应用于类似血管介入手术导管在大范围移动的器械定位与跟踪。      

深度学习机制与小波融合的超分辨率重建算法

深度学习技术在超分辨率重建领域中发展迅速。为了进一步提升重建图像的质量和视觉效果,针对基于生成对抗网络（GAN）的超分辨率重建算法重建图像的纹理放大后不自然的问题,提出了一种结合小波变换和生成对抗网络的超分辨率重建算法。所提算法在生成对抗网络中将小波分解的每个分量在各自独立的子网中进行训练,实现网络对小波系数的预测,有效地重建出具有丰富的全局信息和局部纹理细节信息的高分辨率图像。实验结果表明,对比基于生成对抗网络的算法,所提算法重建图像的客观评价指标峰值信噪比（PSNR）和结构相似性分别能提高至少0.99 dB和0.031。      

液体火箭发动机试验脉动压力数据分析方法研究

针对液体火箭发动机试验脉动压力数据的特点,对脉动压力数据和相关振动测点数据进行快速傅里叶变换（FFT）,频谱分析的结果能够有效判断发动机不稳定燃烧的声振类型。采用小波变换奇异点检测的方法,对启动段和关机段波动异常的脉动压力数据进行分析,结合相关振动测点的频谱信息能够在时域内准确定位奇异点位置,提取频域内的信息,有效判断推进剂燃烧情况和声振类型。分析结果表明上述方法在火箭发动机和组合件试验的脉动压力数据分析中具有重要的推广意义。     

基于道路特征信息的车道结构化解析

高速道路动态执法要求车道检测算法能够结构化解析道路,但是基于传统手工设计特征的车道检测算法准确率和召回率不足,而基于深度学习的算法又对计算资源要求太高,因此提出基于道路特征信息的车道结构化解析算法。利用边缘点的梯度统计信息筛选Hough空间的候选点,用动态规划的方法在剩余的Hough空间候选点中寻找最合理的车道线组合,能够在较少计算资源的平台上准确地检测到道路上的全部车道。在自有数据的检测实验中,所提算法能够准确定位结构化和非结构化道路;在对比实验中,所提算法在准确率、召回率和计算速度上均比同类算法有所提高。      

一种惯性信息辅助下的GPS快捕方法

全球定位系统(GPS,Global Positioning System)信号的捕获时间直接影响高动态环境下GPS接收机的使用性能.在分析传统的外部信息辅助GPS捕获方法的基础上,提出了一种在惯性信息辅助下进行快速捕获的方法,该方法由粗捕获和精捕获构成.详细分析了该方法的实现方法和性能,进行了MATLAB/Simulink系统级仿真及蒙特卡罗仿真试验.仿真结果表明:在保证码相位捕获精度和提高频率分辨率的前提下,运用该方法可以显著缩短GPS接收机搜索捕获的时间,提高接收机的动态性能,相对无外部信息辅助的情况总捕获时间缩短至2%~3%.