基于结构特征的弹道目标雷达识别技术

弹道目标的结构特征反映了目标的本质属性,是识别真假目标最直观的特征之一。分析了弹道目标的结构特征差异,系统归纳了基于结构特征的弹道目标雷达识别方法。根据雷达提取结构特征所采用的信息不同,将这种识别方法分为基于RCS序列的识别方法、基于一维像的识别方法、基于二维像的识别方法以及基于极化信息的识别方法,详细阐述了这四类识别方法的物理基础及其实现途径,分析了它们各自的特点,最后展望了技术发展趋势。     

抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

一种适合于大尺寸航拍图像的特征点提取方法简

 一些航拍图像的尺寸较大,现有的特征点提取算法在对其处理时均要耗费大量的时间,针对这一问题,提出一种快速有效的特征点提取算法。首先构造原始图像的拉普拉斯金字塔,以获得图像的尺度信息,同时保留图像的方向信息;再使用非均匀多方向滤波器组将金字塔图像分解在不同方向上,在分解后的图像中提取局部极值点作为候选特征点集;采用特定的合并策略合并候选特征点最终得到特征点集,并根据方向滤波器组为特征点分配方向向量。试验结果表明,本文算法在基本保证提取到的特征点匹配率及正确率的前提下,有较高的效率。     

单元体结构发动机总体结构尺寸控制与分析

在单元体结构发动机中,在各小的维修单元体或大的单元体内部,通过逐级控制一些关键尺寸,来满足单元体本身互换性要求,同时满足发动机总体结构设计的要求,这也是单元体发动机设计和装配中需重点关注的问题。以国外某发动机为例,通过尺寸链的分配和必要时在内部设置调整环,使单元体内部的这些关键的总体结构特征尺寸达到一定的精度要求,贯穿至发动机总体结构设计和协调、传装及总装装配的各环节中,使发动机总体结构尺寸如转、静子轴向间隙等更加合理可靠,避免发生干涉等问题。     

基于排列组合熵的铝合金腐蚀灰度特征提取方法

针对铝合金试件腐蚀图像包含的大量腐蚀信息,提出了利用排列组合熵提取其灰度图特征参数的方法。该方法具有计算快速简鹇,抗噪能力较强,只需较短的序列长度就能估计出较稳定的系统特征值的特点。计算结果表明,基于排列组合熵的特征提取方法可以有效地提取各时间段内试件的灰度图在2个方向上的特征参数,熵值随着腐蚀时间的增加而规律性地增加,并可以作为评价腐蚀程度的一个重要特征参数。计算结果也验证了排列组合熵具有较好的抗噪性能。     

基于本征正交分解和代理模型的流场预测方法

 为了实现流场的快速求解,基于本征正交分解(POD)与代理模型提出了一种全新的流场预测方法。其基本原理为:首先采用本征正交分解将一定数量的样本流场分解为同等数量的基模态流场;然后用少数包含了绝大部分样本流场特征的基模态流场拟合所有的样本流场;最后用代理模型建立起决定样本流场的输入参数与拟合系数之间的近似函数关系。针对几何外形不同的二维翼型定常流场预测结果表明:在亚声速情况下,预测误差收敛的模态数量不超过20个,继续增加模态的使用数量不能明显提高预测精度;在跨声速情况下,预测误差收敛的模态数量为26个,当使用的模态数量达到前10个时,继续增加模态的使用数量能提高绝大部分流场区域的预测精度,但同时会在激波附近引入"噪声"激波特征而降低该区域的局部预测精度。在这两种情况下,预测流场所需时间均不到高精度计算流体力学(CFD)方法的1/200。     

某型航空涡扇发动机静电传感器机载化监测实验

计了一种特定尺寸的静电传感器,并将其装配在涡扇发动机低压涡轮出口附近的尾喷管管壁,以民用涡扇发动机为静电传感器载体及监测对象开展静电监测实验.以一个完整性能试车过程为周期,采集周期内的尾气静电信号.进一步对静电信号和发动机性能参数进行数据对比分析,同时对测试过程中异常状态下活动率水平（AL）和负事件率（NER）进行计算.实验验证了航空发动机静电监测技术具备机载化的可行性,实验结果表明:正常状态下静电信号电压幅值大小约为5mV,静电水平跟随运行功率变化并呈正相关性;静电传感器对尾气中存在的异常颗粒具有良好的监测效果,在发动机富油状态下静电信号的活动率水平和负事件率分别达到14pC及8%.      

Impulse feature extraction method for machinery fault detection using fusion sparse coding and online dictionary learning

Impulse components in vibration signals are important fault features of complex machines. Sparse coding(SC) algorithm has been introduced as an impulse feature extraction method, but it could not guarantee a satisfactory performance in processing vibration signals with heavy background noises. In this paper, a method based on fusion sparse coding(FSC) and online dictionary learning is proposed to extract impulses efficiently. Firstly, fusion scheme of different sparse coding algorithms is presented to ensure higher reconstruction accuracy. Then, an improved online dictionary learning method using FSC scheme is established to obtain redundant dictionary and it can capture specific features of training samples and reconstruct the sparse approximation of vibration signals. Simulation shows that this method has a good performance in solving sparse coefficients and training redundant dictionary compared with other methods. Lastly, the proposed method is further applied to processing aircraft engine rotor vibration signals. Compared with other feature extraction approaches, our method can extract impulse features accurately and efficiently from heavy noisy vibration signal, which has significant supports for machinery fault detection and diagnosis.     

基于小波包能量谱的航空发动机故障特征提取方法

使用成熟的旋转机械振动信号频谱分析方法,对采集到的多台航空发动机试车振动信号进行分析,找出能反应出发动机转子不对中、转子不平衡和转静件碰磨3种故障频谱特征的振动信号.再使用小波包将信号分解为不同的频段,之后分别计算能反应出故障信息的特征频段的能量,将它们组成用来区分上述3种故障的特征向量,为以后的航空发动机故障的模式识别做准备.