相关系数平稳过程时频分析方法

相关系数平稳过程是从非平稳过程中分离出的一类工程上常见且便于研究的随机过程,其均值和方差都可随时间变化,传统的平稳随机过程是它的一个特例。本文提出了相关系数AR(p),MA(q)和ARMA(p,q)序列的概念,建立了相关系数平稳过程的时频分析方法。该方法首先在时域进行全程分析,得到相关系数平稳过程的均值函数、方差函数和相关系数函数,然后可以对其进行傅里叶变换、短时傅里叶变换或小波变换,给出相关系数平稳过程的谱密度,同时提出了随机项谱密度和趋势项谱密度的概念。文中还讨论了线性系统对相关系数平稳过程输入的响应。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。      

单目视觉三维运动位姿测量方法研究

针对基于点特征的单目视觉位姿测量,研究了一种基于不共面5个编码特征点的单目视觉解算算法,利用大靶面高分辨率相机采集运动物体姿态图像,利用目标物体上编码特征点间的几何约束关系,通过正交迭代解算算法完成目标物体的位姿测量。实验结果表明：位移测量不确定度优于0.5mm,姿态测量不确定度优于0.05°,可满足航空航天领域试验测量要求。     

AUSM+-up格式在无网格算法中的推广

将AUSM -up格式推广运用到了无网格算法中.在点云离散的基础上,运用曲面拟合和AUSM -up格式求得数值通量;采用四步龙格-库塔方法进行时间推进,并引入当地时间步长和残值光顺等加速收敛措施.为了验证本文方法的计算精度和鲁棒性,对NACA0012翼型跨声速流动、某三段翼型低速绕流、平行错位NACA0012双翼超声速、高超声速流动进行了数值模拟.     

应用后缘装置的跨声速层流翼型多岛优化设计

高雷诺数状态下,自然层流技术(Natural laminar flow,NLF)是减小机翼表面湍流摩擦阻力的有效方法。然而由于层流翼面上大范围顺压梯度的存在使得后缘处的恢复压差更大,产生更强的激波。因此在减小摩擦阻力的同时又增加了激波阻力。本文采用后缘装置(Trailing edge device,TED)来控制翼型后缘处的激波强度,基于线性稳定性理论(Linear stability theory,LST)的eN方法对流动进行转捩判断,进而应用多岛并行多目标进化算法(multi-objective evolutionary algorithm,MOEA)以获得大范围层流区域和弱化激波强度为目标对翼型进行优化设计。优化结果表明合作均衡策略耦合进化算法可以快速地捕捉到该多目标问题的Pareto阵面解,阵面上翼型的波阻力和摩擦阻力性能较初始翼型大大改善。同时,采用后缘装置控制激波强度时,无论在设计点还是偏离设计点时,优化后翼型均具有良好的升阻力特性和鲁棒性。     

基于DFT快速算法对扩频码捕获过程的优化

针对基于FFT的频域捕获方法采样点数必须为2的整数次幂的局限性,应用Colley-Tukey和Good-Thoma算法对DFT求解过程进行分解,并引入Winograd DFT算法将短点数DFT优化从而得到一种改进算法。利用改进算法对GPS的L5频段上扩频码捕获进行了仿真分析。与FFT算法相比,改进算法在保证精度和灵敏度的同时,降低了计算量,提高了信号捕获速度。     

PSO节点寻优的样条逼近微分

样条节点分布对逼近精度的影响很大,样条节点寻优模型的雅可比矩阵求解复杂。利用经典参数的PSO（粒子群算法）解算样条最优节点分布模型,以逼近残差的平方和为目标函数,每步对节点序列排序后再计算目标函数,可以提高样条逼近精度,为样条节点寻优提供了一种较好的实现方法。仿真计算表明,在一定的节点个数情况下,PSO节点寻优的逼近效果比Carl de Boor的NEWNOT程序中的方法要好。     

基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行。针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中。训练过程及仿真结果表明：小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。