基于LSSVR的模拟电路故障诊断

对基于最小二乘回归型支持向量机（LSSVR）的模拟电路故障诊断方法进行了研究。根据模型故障诊断原理,设计了LSSVR残差生成器,用遗传算法优化LSSVR参数,以残差的高阶统计量为故障特征识别电路故障。仿真结果表明：该法能有效识别模拟电路的故障,具一定的实用性。     

JIDS/SINS/GPS组合导航系统两级故障检测结构设计

针对传统组合导航系统故障检测方法不能同时准确检测突变故障及缓变故障的不足,提出了一种两级故障检测结构。这种结构采用联邦滤波器结合了残差χ2检测法易于检测突变故障和状态χ2检测法易于检测缓变故障的优势,在JIDS/SINS/GPS组合导航系统中得到了成功应用。仿真表明,这种方法对突变故障和缓变故障都达到了较好的检测效果。此外,此方法没有改变联邦滤波器原有结构,检测准确度高,计算量小,是一种便于工程实现的检测方法。     

高周疲劳损伤的磁记忆二维检测研究

 对40Cr钢缺口试件在三级应力水平下进行了高周疲劳试验和磁记忆二维检测(2-D MMMT),并引入李萨如图分析方法,研究应力集中、疲劳损伤及疲劳应力对二维磁信号的影响规律,分析李萨如图特征值与疲劳损伤程度之间的关系。结果表明:在应力集中部位会出现磁记忆法向分量过零点及切向分量峰值的现象,并且该现象的位置随着疲劳损伤程度的增加产生漂移,逐渐向缺口根部靠拢;可利用磁记忆信号切向分量梯度K曲线异变峰特征来表征构件损伤位置;磁记忆信号切向分量梯度最大值随疲劳损伤程度的增大而增加;磁记忆信号梯度K曲线形成的李萨如图闭合区域面积与疲劳损伤程度有较好的对应关系。梯度最大值可作为反映构件损伤程度的特征量,根据李萨如图面积可以判断构件疲劳损伤状态。     

时间谱方法中的高效GMRES算法

研究了时间谱方法求解周期性非定常流场的计算效率,并对时间谱方法应用于周期性非定常流动的隐式求解方法进行探讨。当采样点数增加或减缩频率增大时,时间谱方法对应的雅可比矩阵对角占优性质迅速恶化,导致很多传统的迭代方法失效。为了解决上述问题,论文采用带预处理的广义极小残差(GMRES)算法来提高雅可比系数矩阵的计算收敛性。使用时间谱方法对NACA0012翼型强迫振荡算例进行计算,并与时域差分方法的计算效率和精度进行对比。研究表明在保证计算精度的同时,时间谱方法普遍可将计算效率提高一个量级左右。对于跨声速周期性流动,广义极小残差算法不论是稳定性还是收敛性都优于对称SGS迭代算法。     

Blewitt周跳探测方法的改进

在精密单点定位中,能否准确可靠地探测载波相位观测量中出现的周跳,直接影响到定位的精度及可靠性。本文概述了Blewitt周跳探测方法的基础原理,并对周跳的探测算法进行了改进,将电离层残差组合观测量一次差的变化是否超限作为周跳存在与否的判断依据。最后利用一段人为加入了几个典型周跳组合的双频观测数据进行验证,结果表明,改进后的算法能准确探测出两个载波上大于1周的任意周跳,提高了周跳探测的准确性。     

面向飞机装配的机器人定位误差和残差补偿

工业机器人由于其高柔性和低成本而被越来越多地应用到飞机自动钻铆系统中,使用精度补偿有效地提高机器人的绝对定位精度是保证产品质量的关键,为进一步提高机器人末端定位精度,提出了基于误差相似度的残差补偿方法。首先使用基于运动学参数标定的方法辨识出机器人的几何参数误差,再利用基于误差相似度的方法对残余误差进行估计,实现对机器人的误差和残差的补偿。以工业机器人KUKA KR-30 HA为对象所进行的试验验证表明,机器人的绝对定位精度平均值由补偿前的0.879mm经过定位误差补偿后提高到0.194mm,经过残差补偿后进一步提高到0.141mm,经过定位误差和残差补偿后的机器人最大误差由1.492mm降低为0.296mm,最大绝对定位精度误差降低了80.16%。该方法能有效地补偿参数辨识后遗留的残差,进一步提高机器人的定位精度。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展,智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记,因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法,为在轨航天器实时故障诊断提供了可行方法.首先,对航天...     

基于改进SSD的风机叶片表面缺陷检测方法

针对无人机对风机叶片表面缺陷检测中出现的多尺度目标问题,提出一种基于改进SSD的风机叶片缺陷检测方法。以具有多尺度结构框架的目标检测模型SSD为基础,引入残差网络ResNet50作为其特征提取网络,用以获取更深层次的细节特征信息,从而提升缺陷检测模型的整体效果。在建立的风机叶片表面缺陷图像数据集下进行模型验证,结果表明,该方法的平均精确度mAP@.5为84.29%,与YOLOv3和RetainNet相比,对各类型缺陷的平均精确度分别提高了2.92%和8.69%,同时较传统SSD算法平均精确度提升了2.21%。     

卫星在轨故障地面诊断系统设计

为解决卫星在轨故障诊断问题,提出了一种故障地面诊断方法,并进行了诊断系统设计。在诊断方法中,建立了卫星各系统耦合的整星模拟器,利用卫星遥测与模拟器预测值形成残差,滤除遥测信息中已知的动态规律部分,缩小故障诊断阈值,提高故障检测的准确性,最后运用信号分析或机器学习的方法对残差实现诊断。诊断系统由遥测接口程序、整星模拟器、残差诊断程序、诊断调度程序、相关数据库和配套工具构成。从系统结构设计和算法的参数化设计两方面,分析了卫星故障地面诊断系统设计,并用建成的系统样机进行了验证。系统样机运行结果表明,这种方法和系统设计思路是可行、有效的。