一种变信噪比条件下的恒虚警野值检测方法

野值检测又称异常值检测,是模式识别、机器智能和知识发现等领域经常面临的一个问题。当出现环境失配,数据信噪比（SNR）发生变化时,测试样本和训练样本所含噪声会有不同方差,以往的野值检测方法在虚警控制方面将会失效。针对这一问题,提出一种基于归一化残差（NR）的野值检测方法。该方法首先根据所需虚警概率和噪声方差变化情况确定野值检测门限,其次基于训练样本计算待考查模式的NR值,再比较NR值与检测门限的相对大小,从而判断待考查模式是否为野值。这一方法所依赖的检测门限对所需虚警率和噪声方差变化具有适应能力,因此可以在变信噪比条件下实现恒虚警（CFAR）野值检测。仿真实验验证了所提方法在虚警控制和野值检测方面的优越性能。     

光纤光栅光谱异常模式判别和自适应分段拟合在温度标定中的应用

针对空间真空和温度交变环境下光纤光栅（fiber Bragg grating, FBG）反射光谱工作模式识别困难以及测温精度不足的问题,提出一种FBG反射光谱异常模式判别方法,并对所获取的波长?温度曲线进行自适应分段拟合。实验结果表明:在大气常温与高真空热环境下,该方法对于FBG反射光谱异常模式的识别准确;波长?温度自适应分段拟合残差分别为0.052 126和0.017 083,满足空间真空热环境下FBG传感器的测温精度要求。     

基于知识重用的固体火箭发动机结构形式选择

以探索知识重用在固体火箭发动机设计中的应用为目的,引入知识工程及模糊数学的思想,将一般模糊极小极大神经网络用于完成固体发动机设计过程中结构形式选择,实现了固体发动机结构形式选择的自动化及量化描述。首先给出了基于知识重用的固体发动机结构形式选择模型描述;然后建立了固体发动机结构选项一般模糊极小极大神经网络;最后以具体型号总体设计为例,完成结构形式选择,得到了包含实际结果的多个可行方案。该方法提高了设计过程自动化水平,且可提供多个不同的结构选择可行方案供设计人员参考。     

基于声发射的铝蜂窝板超高速撞击损伤模式识别方法

为通过声发射技术识别铝合金蜂窝板超高速撞击(HVI)的损伤状态,提出一种基于神经网络的损伤模式识别方法。通过超高速撞击实验获取声发射信号,结合精确源定位技术、时频分析技术、小波分析技术及模态声发射技术,提出了10个与损伤相关的特征参数,通过非参数检验分析其与损伤的关系,设计了一种基于贝叶斯正则化BP神经网络的超高速撞击损伤模式识别方法。建立最优网络模型,通过不同参数组合识别能力分析,优选出2种特征参数组合,通过非同源样本对其损伤模式识别能力进行验证。结果表明:传播距离与损伤模式无关,却是识别损伤模式的重要参数;125~250kHz频域的自动加窗小波能量比会降低损伤模式的识别能力;采用贝叶斯正则化的BP神经网络可以较好地识别蜂窝板超高速撞击损伤模式,参数组合为传播距离、上升时间、持续时间、截止频率、4个自动加窗小波能量比及小波能量熵,共9个参数,对任意选取非同源样本识别错分率仅为9.38%。     

基于串行支持向量分类器的模拟电路故障诊断

介绍了支持向量机的基本原理,提出一种新型支持向量多类分类器,其中多个二类分类器组成串行结构,每个二类分类器均带有非线性主元素分析特征提取器.描述了其训练与分类算法,并将其应用于非线性电路的部件级诊断.和传统BP网和RBF网分类器相比,支持向量方法在分类准确率上表现出明显的优势,其中串行支持向量多类分类器无论在训练和分类速度方面,还是在诊断准确率方面,都要优于传统并行结构的多类分类器.      

复杂固体边界流场的三维 PIV 测试技术：任意三维边界识别算法

针对复杂固体边界三维流场的 PIV 测试应用,以及流固耦合实验研究中流场和固体结构特征的瞬态同步测试需求,发展了一种基于双相机布置形式的任意三维边界识别算法以精确获取三维表面几何信息;并以基于MLOS-SMART 三维粒子场重构的 Tomo-PIV 算法计算三维速度矢量场,可同步获取三维表面结构运动／变形信息和三维瞬态速度场。这一边界识别算法基于 SURF（加速稳健特征）模式识别算法进行三维曲面重构,可以确定流场中三维物体结构的边界特征。论文采用双相机布置方式获取了三种不同曲率的圆柱曲面图像,验证了所发展的三维边界识别算法的准确性。最后以圆柱绕流 Tomo-PIV 数字合成粒子图像序列为验证对象,采用所发展的边界识别算法和 Tomo-PIV 算法分别高质量地计算出圆柱曲面信息和三维速度场。     

基于小波变换的孔探图像边缘粗糙度分析

针对航空发动机内部结构裂纹损伤的孔探图像识别问题,提出一种描述孔探图像边缘曲线粗糙度特征的方法——粗糙度系数法.该方法利用二进小波变换对边缘曲线在所有可能尺度上进行小波分解,得到尺度系数和小波系数.对于这些小波分解系数,构造一种对数熵算法来计算尺度系数和小波系数的能量强度.小波系数与尺度系数的对数熵的比值被定义为粗糙度系数,用粗糙度系数来评估曲线的粗糙程度,粗糙度系数越大,曲线越粗糙.实验表明以粗糙度系数作为孔探图像边缘曲线的识别特征,能够有效地识别孔探图像中存在的裂纹损伤.      

基于模式识别的航空发动机燃油控制系统传感器故障诊断

航空发动机燃油控制系统执行机构故障有可能导致参数测量传感器出现较大偏差,而采用传统的传感器故障诊断方法易误诊为传感器故障。为此,引入修正因子作为传感器故障模式样本,通过聚类分析获得样本的特征向量;按照卡洛南—路伊变换(K—L变换)原理,对传感测量信息进行变换,构成了新的正交变换矩阵,减弱了各特征向量的相关性,突出了差异性,加强了对故障传感器和发动机燃油控制系统执行机构故障的特征识别能力;利用多组学习训练样本,设计了发动机不同参数测量传感器故障模式的判别函数。经仿真试验验证,该方法可以有效识别、诊断传感器故障。     

基于SGNN的数字字符识别

自生成神经网络SGNN具有自主学习能力强和计算速度快的特点,可用于识别带噪声的数字字符。首先提取数字字符的特征矢量,然后将特征矢量输入SGNN中对SGNN进行训练建立分类器,通过比较未知样本特征矢量和分类器根节点权值矢量的距离远近从而得到识别结果。实验表明这种方法有较高的识别正确率,其性能优于BP神经网络。     

直升机行星传动轮系故障诊断研究进展

行星传动轮系是直升机传动系统的核心部件,是直升机健康和使用监测系统(HUMS)重要的监测对象。直升机行星传动轮系具有结构复杂紧凑、组件繁多、工况瞬时多变以及使用环境恶劣等特点,导致直升机行星传动轮系振动信号污染严重、成分复杂,具有较强的非平稳性和耦合调制特征。另外复杂的故障模式、较少的故障样本,也都增加了直升机行星传动轮系故障诊断的难度。面对这些难题,研究人员在基于信号降噪与信号分离、时频分析与解耦解调、数学建模与模式识别的故障诊断技术上取得了丰硕的成果。面对仍然存在的一些亟待研究和解决的问题,提出了直升机行星传动轮系故障诊断技术的研究方向以及未来的发展趋势。