基于改进CST参数化方法和转捩模型的翼型优化设计

为提高翼型优化设计效率,增大设计空间,采用B样条基函数替代传统的形状类别函数(CST)方法中的Bezier多项式,增强了对翼型参数化表达的局部控制能力并提高了翼型局部表达精度。为了确保翼型在优化设计过程中的几何光顺特性和代理模型的准确性,采用小波分解技术提出了多分辨率翼型的局部光顺方法。采用基于本征正交分解(POD)的流场数值代理模型,并结合γ-Reθt转捩模型实现了快速准确的气动力与流动转捩预测。采用小波技术光顺的CST翼型参数化建模、POD流场数值计算代理模型以及γ-Reθt转捩模型,结合遗传算法建立了完整的翼型气动优化设计系统。针对低速层流翼型与超临界翼型进行优化设计,优化设计后的翼型升阻比分别提高了47.42%和45.85%,且对改进前后参数化建模方法的优化性能进行了对比,结果表明本文构建的翼型气动优化设计系统具备很高的优化效率。     

动态测量误差的希尔伯特-黄分解

针对傅立叶变换、小波变换等方法在分解动态测量误差时存在的不足,即选用不同的基函数会导致不同的分解结果,提出了基于希尔伯特-黄变换（HHT）的动态测量误差分解方法。该方法不需要选取基函数,可以自适应地分解动态测量误差信号;对一个混联式动态测量系统建立了全系统误差模型,并用该方法对测量系统的总误差信号进行了分解;与傅立叶变换、小波变换的分解结果相比,希尔伯特-黄变换的分解结果更准确,与测量系统的误差理论模型基本一致。     

基于双树复小波包变换和SVM的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳性和现实中难以获得大量典型故障样本的情况,提出一种基于双树复小波包变换和支持向量机（SVM）的故障诊断方法.首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量;然后对每个分量求其能量并归一化处理;最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型.对试验台模拟信号（包括滚动轴承的正常状态、外圈裂纹故障、内圈裂纹故障和滚动体点蚀故障）的分析表明:该方法对所测试验信号的故障识别率达到99.5%,对比传统小波包变换与SVM结合的方法,故障识别率的准确度更高.      

基于最优阈值小波包分析的转子振动信号降噪研究

针对采集转子振动信号时信号中往往夹杂着噪声干扰的问题,提出了一种自寻优阈值的小波包降噪方法。该方法可对不同振动信号自寻优地设置阈值,且阈值的选取与所研究的信号有关而与信号长度无关;并根据采样定理计算不同转子转速对应的小波包分解的最低层数。对多种信号进行的降噪研究表明,该方法可有效降低转子振动信号中的噪声干扰。     

一种基于小波的发动机数据融合算法

航空发动机测试中,内部气流工况十分复杂,使用多传感器对同一截面进行测试表征一个面的气流状态,其结果往往有个别点不符合规律。为此,提出一种基于小波分析的解决方案。首先对发动机多传感器测试数据进行小波分频。然后从相似性、能量衰减等多个角度进行分析,指出高频和低频的不同特征,并提出对高频与低频部分使用不同方法进行融合的思路。最后总结出一种适用于航空发动机高空模拟试验数据使用的基于小波的数据融合算法。     

基于L1趋势滤波的飞控传感器降噪方法

针对飞行控制传感器中普遍存在的噪声信号,提出了一种基于L1趋势滤波技术的在线降噪方法。首先简要介绍了L1趋势滤波技术,引入了滑动窗口对算法进行改进以满足实时在线应用需求。以气压计所采集的信号为例,采用原始飞参数据,利用该方法进行降噪处理,并与文献中常用的小波降噪方法进行初步比较,基于Matlab的仿真结果验证了该方法的可行性。     

用时频分析方法分析非平稳信号

目前经典信号处理技术，即时域分析和频域分析，尚不能很好地适应许多科学领域中普遍存在着的非平稳信号的分析，我们把已发展起来的三种时频分析方法：短时傅里叶变换、Ｗｉｇｎｅｒ分布及小波变换，应用到非平稳信号分析中，对这三种方法的原理、性质、优缺点及实际应用逐一进行了论述。     

一种形状自适应的嵌入式小波图像编码器

形状自适应的小波变换编码可以编码任意形状的物体,不但保持了物体的纹理信息,而且编码不会带来不必要的冗余.但是当对任意形状的物体进行小波变换时,会由于变换序列的长度、下采样位置的不同而带来一些变化.文章利用懒小波对任意形状的掩膜进行变换,并且采用9-7滤波器的提升小波形式,很好地解决了这些问题.最终通过修正的形状自适应的SPIHT算法,对任意形状物体的内部纹理进行编码压缩.与原始算法相比,性能提高了大约0.2 dB.      

一种基于支持向量机的小波图像压缩方法

提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.      

基于小波的航空发动机叶片孔探损伤检测

发动机孔探技术是航空发动机内部故障检测的重要技术,而叶片损伤则是发动机内部的一种常见损伤.针对发动机叶片损伤的特点,通过对损伤模型的分析,应用SUSAN(Smallest Univalue Segment Assimilating Nucleus)边缘检测算法对叶片损伤进行定位,应用小波变换对孔探图像进行分解,得到不同位置处的不同频率分量.并根据损伤模型的分析通过已定位的损伤位置来确定损伤法线方向的频谱分量,计算出损伤处除直流分量之外的其它频率分量的频谱能量,从而依据损伤频谱能量检测并估计发动机叶片的损伤.实验结果表明,应用此方法可以定量检测并估计航空发动机叶片表面损伤情况,为检测并估计发动机叶片损伤提供了理论和实践依据.