基于EWT的离心压气机出口动态压力样本熵分析

以800 kW离心压气机从稳定状态经过过渡过程进入喘振状态时段的出口动态压力为研究对象,采用经验小波变换并结合样本熵特征,分析了系统在不同工况下的复杂特性。首先,在分析系统动态压力波形特征的基础上,采用经验小波变换并结合皮尔逊相关系数进行信号的提取。其次,研究了提取信号的样本熵与系统工作状态变化的关联关系,并讨论了经验小波的分解层数和样本熵的维数对分析结果的影响。最后,通过将白噪声加入原始信号以验证该方法的抗干扰性能。研究结果显示：当系统由稳态进入喘振状态时,系统出口动态压力的样本熵表现出明显的突变特性,其值由0突变至0.7左右。从系统参数的选择角度,样本熵维数的变化对系统特征的分析影响较小。并且,采用该方法抗干扰性能较好。     

情系《航空标准化与质量》

弹指一挥间,《航空标准化》从1972年创刊到如今的《航空标准化与质量》,已经走过40年的历程! 40年来, 《航空标准化与质量》始终致力于提高我国航空行业标准化和质量管理技术水平和创新能力,普及推广先进技术经验,形成了以专业性和实用性相结合为办刊宗旨的特色,有力地推动了我国航空行业和企业的技术进步,为航空工业的发展做出了应有的贡献.     

"米塔尔经验"对我国企业发展的启示

文章通过回顾世界上最大钢铁企业米塔尔集团的发展史,总结了其成功并购的经验,并从中获得有益的启示,这对于我国企业重组兼并以及产业结构调整优化,具有重要的现实意义.     

航天用电子元器件开展DPA工作的情况与效果

概述了航天系统开展DPA工作的情况,并通过实例说明了开展DPA所取得的工作效果,介绍了主要工作经验和体会。     

固有模态函数(IMF)积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器.首先通过经验模式分解(EMD)把带噪信号分解成有限个固有模态函数(IMF).检测的基本思路是,对各个IMF分量的绝对值作逐点乘积,用于抑制噪声并凸现信号,最后进行滤波和判决.本文以UWB信号为例,数据源于UWB雷达实验系统.在低信噪比(SNR),UWB脉冲与噪声波形相似,且噪声概率密度函数(PDF)未知情况下,进行实验.结果表明,当峰峰信噪比低于5 dB时,该检测器性能优于Teager能量算子(TEO).     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

随“MAVEN”一起呼吸火星大气

美国“火星大气与挥发演化”（MAVEN）探测器于2014年9月22日进入火星轨道,开始了其为期1年的科学探测任务。MAVEN的主要使命是调查火星大气失踪之谜,并寻找火星上早期拥有的水源及二氧化碳消失的原因。为完成使命,MAVEN的研制者在充分继承之前火星探测器的研制经验基础上,为其精心打造了各项独具功能的探测设备。     

固有模态函数（IMF）积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器。首先通过经验模式分解（EMD）把带噪信号分解成有限个固有模态函数（IMF）。检测的基本思路是，对各个IMF分量的绝对值作逐点乘积，用于抑制噪声并凸现信号，最后进行滤波和判决。本文以UWB信号为例，数据源于UWB雷达实验系统。在低信噪比（SNR），UWB脉冲与噪声波形相似，且噪声概率密度函数（PDF）未知情况下，进行实验。结果表明，当峰峰信噪比低于5dB时，该检测器性能优于Teager能量算子（TEO）。     

随机设计下部分线性模型经验欧氏似然比置信域

在随机设计下本文构造了部分线性模型的经验欧氏似然比统计量,并由它的极限分布构造了部分线形模型参数的渐进置信域。     

基于灰色预测模型的EMD端点效应抑制方法

为了能够有效地抑制经验模态分解(EMD)中存在的端点效应问题,本文提出一种基于数学模型和信号分析法相结合的处理方法——基于灰色预测模型的EMD端点效应抑制方法.首先利用灰色预测模型对原始信号的两端进行延拓产生有限极值点,对延拓信号的中间部分加矩形窗保证原信号不变,对延拓部分加汉宁窗让包络线拟合更加平滑,然后对处理过的信...