基于LMD与AO-PNN的中介轴承故障诊断方法

针对航空发动机中介轴承受噪声干扰大、传递路径复杂导致采用传统方法难以进行故障诊断的问题,提出了一种基于局部均值分解（LMD）与相关系数-能量比-峭度准则、结合天鹰座优化算法（AO）优化概率神经网络（PNN）的中介轴承故障诊断方法。使用LMD对传感器采集的振动信号进行分解;利用相关系数-能量比-峭度准则判决筛选分解得到的PF分量,重构筛选后的信号;计算重构信号的多尺度排列熵（MPE）,以构建特征向量;通过AO优化的PNN的平滑因子,将优化后的神经网络用于中介轴承的故障诊断。基于中介轴承故障试验数据对诊断结果进行了分析,结果表明：提出的方法可以有效诊断高背景噪声、复杂路径干扰下的航空发动机中介轴承的典型故障,与粒子群优化的概率神经网络方法（PSO-PNN）和传统的PNN方法相比,其诊断准确率分别提高了3.875%和8.125%,具有较好的全局收敛性和计算鲁棒性。     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

小波与BP神经网络联合反演GNSS IR高精度水库水位变化

GNSS-IR技术作为一种近地表遥感的新兴手段，在水库水位监测方面凭借其成本低、精度高等优势成为了研究热点。为了提高GNSS-IR技术反演水库水位变化的精度，提出了利用GPS、BDS双系统观测量基于小波分解与BP神经网络联合的方法反演水库水位变化。选取位于南水北调山东境内双王城水库GNSS变形观测站2017年10月1日—12月26日共87天的信噪比(SNR）数据为研究对象，分别利用小波分解和二阶多项式拟合两种方法消除其趋势项并生成SNR残差序列，然后进行Lomb-Scargle谱分析得到水库水位高度变化值，并与实测水位结果相比较。结果表明：各频段SNR利用小波分解和二阶多项式反演水位变化的平均均方根误差分别为0.1062m和 0.2245m，说明小波分解去趋势项的方法更优。最后，在小波分解去趋势项的基础上，利用阈值筛选出融合所用的频段(S1C、S2L、S5Q和S7I），分别采用均值算法、中值算法、随机森林算法和BP神经网络算法对GPS、BDS多频多模信号进行水库水位的融合反演。结果表明，对于水面较为平静的环境，以上算法均能实现厘米级的反演精度，其中BP神经网络算法用于水位反演的效果更优。     

压缩-膨胀湍流边界层平均摩阻分解

采用直接数值模拟对来流马赫数2.9、24°压缩-膨胀折角构型中激波与湍流边界层干扰问题进行了研究。重点关注膨胀折角法向高度对激波干扰区以及下游平板边界层流动的影响。研究发现，当高度足够大时，激波干扰区内未受下游膨胀波的影响，此时的流动特征与传统的压缩折角干扰构型一致。高度较小时，脱体剪切层的再附过程受到下游膨胀波的加速影响，导致再附点向上游移动，分离泡发生剧烈收缩。对上、下游平板湍流边界层应用了平均摩阻分解技术，比较了湍流边界层在平衡和非平衡状态下的差异。分析发现，膨胀折角区域的高摩阻现象主要与摩阻分解后的C_f1项与C_f3项相关。高度变化对C_f1项影响较小，而对C_f2项影响显著。高度变化体现在：下游平板上G9rtler涡结构强度以及层流化现象对C_f2项贡献的差异。     

基于模态发生器的进气道风扇噪声及声衬降噪实验

为研究发动机进气道风扇噪声特性及声衬降噪效果,使用模态发生器提供声源,采用固定麦克风阵列和旋转扫描耙装置测量进气道内噪声信号,进而利用周向和径向模态分解方法得到声模态幅值,对影响模态分解结果的关键因素进行了研究.对周向模态在时域内进行分解,得到幅值和相位的时变特性.最后完成了2套声衬实验件降噪效果测试.结果表明:模态发...     

车载惯导系统抗扰动自对准方法对比研究

自对准技术是陆基机动平台及装备用惯导系统的一项关键技术,其核心在于惯导系统如何在风扰、发动机振动、人员走动等各种干扰下实现快速、高精度对准.针对目前常用的惯性系解析自对准、Kalman滤波估计自对准和惯性系奇异值分解(SVD)自对准等三种方法进行了研究和对比分析,根据三种对准方法各自的实现原理,提出了一种有针对性的抗扰动优化方法,并通过了数学仿真分析和车载试验验证.结果 表明,在车载使用环境下,后两种方法都能获得较为准确的姿态信息,惯性系SVD方法可以达到与Kalman滤波方法相当的对准精度和收敛速度,且无需先验信息即可获得最优解,表现出了较好的工程应用优势.     

基于ICA包络增强MEMD的滚动轴承故障诊断

针对多元经验模态分解(MEMD)存在模态混叠、带内噪声干扰导致轴承故障特征信息微弱难提取问题,提出了基于独立分量分析(ICA)包络增强MEMD的滚动轴承故障诊断.采用MEMD对多通道信号进行自适应分解,依据峭度和相关系数选取包含故障信息的本征模态函数(1MF);对所选取IMF分量的包络信号进行ICA分析,抑制模态混叠和...