基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

几类特殊对称矩阵的缩维表示

本文给出几类特殊对称矩阵的定义,讨论它们的结构特点,并进一步进行缩维表示。     

导弹翼面结构摄动矩阵法可靠性设计研究

给出了导弹翼面结构可靠性预测与可靠性设计的随机有限元摄动矩阵法的基本原理与算式；提出对翼面壁板厚度作可靠性设计的思路，并用ＦＯＲＴＲＡＮ语言编制了可在微机上运行的计算机程序。试算表明：由本文方法得到的结果与试验数据的统计分析结果十分一致。本文的方法可以应用于常用的战术导弹翼面结构的可靠性预测与可靠性设计。     

SiC基体结构及其对C/SiC复合材料性能的影响研究北大核心CSCD

采用聚碳硅烷作为前驱体,在800、1000、1200℃下烧结得到SiC基体,研究了温度对SiC基体密度、结晶程度的影响。结果表明基体随着温度的提高,基体密度提高,结晶程度逐渐提高,Si含量比例升高。在800℃时,基体密度为2.30 g/cm^(3),所得基体结构接近无定型态,在1000和1200℃下的密度分别为2.50和2.56 g/cm^(3),晶粒尺寸分别为2.6和4.1 nm。再以聚碳硅烷为前驱体,以碳纤维织物为增强体,采用PIP工艺制备C/SiC复合材料,热解最高温度同样为800、1000、1200℃,得到三组C/SiC复合材料,对复合材料进行了力学性能测试和断口微观结构观察,分析了基体结构对复合材料力学性能的影响。研究结果表明,在一定范围内提高热解温度,有利于改善基体特性和提高复合材料的致密化效率,从而使复合材料的力学性能有所提升,特别是弯曲、层间剪切和压缩性能提高作用明显。     

差动驱动式移动机械手的运动规划

提出了差动驱动式移动机械手的运动规划算法。首先推导出差动驱动式移动机械手的运动学模型，其次给出了基于广义雅可比矩阵的差动驱动式移动机械手分解运动速度控制算法，最后用计算机仿真验证了该算法的正确性。     

动态矩阵(DMC)-PID串级预测控制策略在新型叶片连续回转马达位置伺服系统中的应用

动态矩阵（DMC）预测控制是一种以优化指标确定控制策略的方法。基于DMC的PID串级预测控制是在单纯PID串级控制的基础上，把经过PID校正的伺服系统定义为广义对象，作为DMC的被控对象，用DMC预测算法在线滚动优化控制参数，在优化过程中利用实测信息不断进行反馈校正。通过仿真分析，与单纯的PID控制相比，在新型叶片式连续回转马达位置伺服系统中采用DMC—PID串级预测的一种控制方法控制能够使整个系统的跟踪性能得到进一步提高。     

Kalman滤波工程应用问题分析及改进方法研究

Kalman滤波方法是理论成熟和工程应用广泛的估计方法。但在工程实际中，因原始数据质量和各种初始条件的变化，Kalman滤波经常出现不收敛的现象，尽管理论上有许多克服滤波发散的机制，但工程应用效果并不明显。本文从数据残差入手，提出了改进增益矩阵的滤波方法。经仿真计算证明，该方法有效的解决了滤波发散问题，并极大的提高了估计精度。     

镜像映射在GPS数据处理中的应用

为改善全球卫星定位系(GPS)分基线观测方程系数矩阵所构成的正则矩阵列向量呈现的强复共线性(病态)，利用镜像映射原理，对矩阵进行Householder变换，减弱病态性对参数最小二乘解的影响。算例表明，这对GPS差分快速基线解算具有一定的实际意义。     

稳健的欠定混合矩阵盲辨识

主要研究欠定盲源分离中的混合矩阵估计问题。提出了一种改进的欠定混合矩阵估计算法,首先采用短时傅里叶变换得到混合信号的时频表示并检测出时频单源点,然后检测出时频单源点中影响混合矩阵估计性能的时频点并将其去除,最后采用聚类的方法实现混合矩阵的估计。语音信号的仿真实验表明,与已有算法相比较,本文提出的混合矩阵估计算法有更高估计精度和更强的鲁棒性。     

欠观测条件下的扩展增量 Kalman 滤波方法

建立欠观测条件下的非线性增量量测方程,并给出其线性化方法,在此基础上提出一种欠观测条件下的扩展增量Kalman滤波(EIKF)模型及其递推算法.工程实际中,由于环境因素的影响、测量设备的不稳定性等原因往往带来未知的系统误差,传统的扩展Kalman滤波(EKF)无法对这种未知的系统误差进行补偿和校正,结果产生较大的滤波误差,甚至导致发散.提出的扩展增量Kalman滤波方法能够成功地消除测量的系统误差,从而有效地提高非线性滤波的精度.该方法计算简单,便于工程应用.