一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题,提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法.首先利用源域卫星的遥测数据对1dCNN进行预训练,使得模型的卷积层具有卫星状态特征的提取能力;然后将训练好的模型迁移到缺乏标签数据的目标域卫星中;利用目标域有标签样本对预训练模型进行微调,...     

基于Lamb波与时频分析的复合材料结构损伤监测和识别

采用将Lamb波和时频分析相结合的方法,对碳纤维增强复合材料层板结构进行在线的连续监测。首先研究Lamb波在复合材料层板结构中的传播问题,利用Mindlin板理论建立了低阶反对称Lamb波在各向异性复合材料层板中随传播角变化的频散关系;然后用小波变换对由压电传感元件激励和接收的Lamb波信号在时频域进行分析,提取特征信息,测量出Lamb波在结构中实际传播的飞行时间和群速度,并与理论结果相比较;在此基础上结合理论与实际量测信息,考虑各向异性对Lamb波速度的影响,使用遗传算法确定损伤位置,并估算损伤尺寸。实验研究表明了本文方法的可应用性和有效性。     

基于血管内超声图像序列的自动三维边缘检测

血管内超声成像可以显示血管内腔、管壁清楚的实时截面图像,从而使定量测量血管参数成为可能。传统手动追踪内腔和管壁边界的方法既费时又存在较大的主观误差,本文将二维主动轮廓算法模型向三维扩展,提出一种适合血管内超声图像的自动三维边缘检测方法,通过对初始给定三维模型实施三维主动界面变形,从而使其逐步逼近目标轮廓。实验结果发现自动检测的内腔、血管壁面积与手动追踪非常吻合,具有较高的相关系数和较小的系统误差,并且纠正二维检测中带来的局部偏差,可作为医生可靠而准确的诊断工具。     

基于虚拟仪器的雷达自动监控系统

针对传统检测技术存在的局限,为提高雷达监控系统的自动化程度和精度,分析了虚拟仪器技术的特点,设计了一套自动监控系统,对硬件进行了选型。总结了图形化编程语言LabVIEW的优势,编写的程序能方便地完成数据采集、信号分析的功能。将虚拟仪器技术应用于工程检测,精度高,操作简单,可靠性强,易于扩展。     

基于计算机控制的无人机装备自动检测设备设计与应用

检测技术是武器装备设计、研制、使用和保障的基础。分析了现代武器装备自动检测设备的结构、组成及功能,结合无人机系统的测试内容并基于计算机控制和PXI总线,在采取基本测量环节和闭环控制环节相结合措施基础上,设计了具有自动测试、故障辨识定位、实时控制、自动判断决策等功能的无人机自动检测设备,通过在无人机综合测试等多种测试中应用,取得了满意测试效果。     

基于Memetic算法的超视距协同空战火力分配

针对超视距多机协同空战中,火力单元采用一次性完全分配原则容易造成资源浪费的问题,采用一种新的火力分配数学模型.该模型带有毁伤概率门限,能够保证在满足毁伤概率门限的前提下,优先保证威胁度大的目标被分配且选择对各目标杀伤概率相对较大的火力单元,使其对目标的毁伤概率平均值达到最大且尽量少地消耗火力单元,从而节省和充分利用火力资源.在此基础上,提出采用以离散粒子群算法为全局搜索策略,以贪婪算法为局部搜索策略的Memetics算法求解协同空战火力分配问题,有效地提高了算法收敛速度、精度.仿真算例验证了模型的优点及Memetic算法的有效性.     

基于变量贡献率的MSPC异常识别方法

异常识别是多元统计过程控制(MSPC, Multivariate Statistical Process Control)方法有效应用的关键.针对现有研究对历史异常信息利用的不足,综合考虑了主成分变量贡献率与重构误差变量贡献率对异常识别的影响,将两种变量贡献率进行归一化处理并求和得到综合变量贡献率;提出了一种基于综合变量贡献率的MSPC异常识别方法,并基于matlab计算平台实现了该算法.通过田纳西过程故障模式仿真及异常识别,对该方法的应用及算法有效性进行了实例验证.     

结构受损飞机动力学模型与飞行控制方法

为实现对结构部分受损飞机的安全控制,建立了其动力学模型,通过分析将结构受损飞机的旋转运动分解为正常飞机旋转运动和由于受损引起的扰动运动,将结构受损飞机的控制转化为对扰动等不确定性因素的抑制问题.提出了一种基于扩张状态观测器的轨迹线性化控制方法进行飞行控制律设计,使系统具有较强的鲁棒性.仿真结果表明:当飞机右侧机翼缺损15%半翼展长时,控制系统能实现结构受损飞机的解耦控制,角速度响应能较好地跟踪指令,有效抑制了结构受损带来的不确定性和扰动.     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

火星电离层探测

火星已经成为深空探测的重要目标之一, 登陆火星并在火星生存是人类探测火星的终极目标, 因此电离层是必须了解的火星电磁环境. 火星电离层探测包括直接探测和间接探测. 直接探测精度高, 有较高的空间分辨率, 但是观测时间短, 无法提供长期稳定的探测结果. 对火星电离层的间接探测结果主要来自无线电掩星探测和顶部雷达探测. 无线电掩星探测可实现对火星电离层整个电子密度剖面的长期稳定探测, 但其空间水平分辨率较低, 且可探测的电离层太阳天顶角范围受到地球与火星轨道的限制. 顶部雷达探测对火星电离层的探测具有很高的时间分辨率和空间分辨率, 且同样可进行长期稳定探测, 为火星电离层研究提供了最新的支持. 通过对火星电离层探测的基本方法及典型观测结果的分析, 提出通过几种探测方法适当结合的方式, 同时对火星电离层进行观测, 能够大大推进对火星电离层的研究.