基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

基于轮询的高级在轨系统多路复用包时延分析

目前的高级在轨系统(AOS,Advanced Orbiting Systems)多路复用研究主要以仿真为主,很少有文献给出专门的理论分析.针对基于轮询的AOS多路复用包时延进行研究,通过采用排队论中非空竭限量服务的休假排队系统建立模型,并采用循环再生法进行分析,得到了多路复用包时延计算公式,并给出包时延的下限值.仿真结果表明,在包到达率取值分别为1,2,3包/s,在各种不同的下行速率(范围240~330 bit/s)之下,包时延的仿真值曲线均高于理论下限值曲线,从而论证了理论推导的正确性.研究结果可以为工程设计提供一定的参考作用.     

宽带LFM信号的线性度测量

介绍了一种采用微波延迟线鉴相的方法对宽带LFM信号的线性度进行测量的装置。在该装置中,使用光纤、电缆实现微波延时,在小波变换的基础上采用相位建模以提高瞬时频率的测频准确度,根据线性调频信号的调频形式建立数学模型,得出了线性度的数学表达式。     

舰载机安全逃逸复飞的参数适配包线

逃逸复飞特性对于确定舰载机的进舰速度、航母航速与着舰海况等级限制等均具有重要的影响。根据逃逸复飞的任务要求,提出了离舰滑跑距离、逃逸复飞段最大迎角相对进舰配平迎角的增量和着舰时的俯仰角作为安全性评定的3个参数。建立了数字飞行员模型,基于数字虚拟飞行仿真计算的方法,获得了满足逃逸复飞安全要求的参数适配包线。研究结果表明:在每一确定的着舰重量下,均对应存在一个最佳的进舰速度范围,能够使舰载机逃逸复飞的离舰滑跑距离最短;逃逸复飞段最大迎角相对进舰配平迎角的增量、着舰时舰载机的俯仰角分别决定了进舰速度大小的上、下边界;舰载机重心位置变化将使参数适配包线的边界位置和范围发生改变,但边界形状基本不变;航母航速减小将显著地缩小参数适配包线;适配包线内每一点的逃逸复飞成功率,可以为不同海况等级下的逃逸复飞安全性判断提供参考。      

飞行控制律全包线鲁棒稳定性评估

传统的飞行控制律评估方法只能对飞行包线内的离散点进行逐点分析,对不确定性参数也只考虑了上下界,分析过程缺乏完整性和系统性。针对这些不足,研究了基于一种改进遗传算法的分析方法,该方法将评估准则转化为某个适应度函数,通过对适应度函数寻优以找到最坏情况下的不确定参数组合,在其基础上进行评估并给出评估结果或控制律修改意见。仿真结果表明,该方法能连续地研究多个不确定性参数同时摄动时的飞行包线,克服了传统方法的不足。     

体表电位标测中的关键技术——心电信号的数字滤波

小波分析在数字滤波领域中具有广大的应用前景，尤其是对具有时变特性的人体心电信号。该文介绍了如何利用coiflet小波对心电信号进行多分辨率分解和重建，并解决了小波分析在心电信号滤波中会遇到一些实际问题，比如小波基函数的选取，确定心电信号及噪声的频域表现和小波在不同尺度下的通带。实验结果表明，用coiflet小波对心电信号进行数字滤波，能很好地消除心电信号中的三大干扰；基线漂移、工频干扰和肌电干扰。     

一种星载数据管理系统软件复用方案

通过对几个航天器型号软件需求和设计进行比较研究，分析了导致软件变化、复用率低的原因并给出了解决办法。应用空问数据系统咨询委员会（CCSDS）的航天器星上接口服务（SOIS）以及欧空局（ESA）的包应用服务（PUS）标准，提出了一种星栽数据管理系统的软件复用方案。     

小波变换数值均匀化方法求解振荡系数的方程

将小波数值均匀化方法用于求解二维快速振荡系数的抛物型方程.小波数值均匀化方法基于小波的多分辨分析,在细尺度空间上得到原方程的半离散方程,然后利用小波映射得到粗尺度空间的数值均匀化方程,即可在粗尺度上求解原方程,有效地减小了计算量.计算结果表明:小波数值均匀化方法与精细剖分的有限差分法相比较,既大大地节省了计算时间又获得了较好的精度.     

基于正交小波变换的动态系统的故障检测

利用正交小波变换在时-频域均有良好局部化的品质,提出了一种对动态系统故障诊断中非平稳信号进行分析与处理的方法.仿真结果表明,该方法不仅使测试结果更加精确,而且便于进行快速的故障诊断.     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。