基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

翼型表面结冰准定常数值模拟

对翼型表面的结冰过程进行了准定常数值模拟。在每个时间步长内完成网格随着壁面边界的移动而更新、周围流场和水滴撞击特性重新计算、冰形计算及壁面边界的重构工作,如此循环直至所需的结冰计算时间。采用拉格朗日轨迹追踪法获得水滴撞击特性,应用考虑壁面粗糙度影响的边界层积分法计算壁面的对流换热系数,在此基础上求解Messinger结冰热力学模型,冰层始终沿壁面外法线方向生长。对NACA0012翼型在不同环境下生成的三种典型冰形进行了预测,并与实验结果进行了比较,表明本文所述方法的有效性。     

Wavelet-based fairing of B-spline surfaces

Ｉｎｒｅｃｅｎｔｙｅａｒｓ,ｗａｖｅｌｅｔａｎａｌｙｓｉｓｇｅｔｓｍｏｒｅａｎｄｍｏｒｅａｐｐｌｉｃａｔｉｏｎｓｉｎｃｏｍｐｕｔｅｒｇｒａｐｈｉｃｓ［１］,ｉｎｃｌｕｄｉｎｇｒａｄｉｏｓｉｔｙｃｏｍｐｕｔａｔｉｏｎ［２］,ｃｕｒｖｅａｎｄｓｕｒｆａｃ...     

用于提高辨识效果的颤振试验数据小波去噪

准确估计模态参数在飞机颤振边界的预测中具有重要意义。为了提高频域辨识算法的辨识效果,提出了一种用于颤振飞行试验数据处理的小波去噪方法。该方法引入梯度倒数加权滤波器对数据进行预处理,处理后的数据运用冗余小波进行小波分解,然后对输入信号在不同尺度下分别进行阈值降噪,对输出信号则采用了一种改进的小波空域相关滤波法去噪。最后通过仿真计算和实际数据证明该方法有效。     

一种基于小波变换的天水线提取算法

文中提出了一种基于小波变换多尺度分解图像快速提取天水线的方法,不仅省去了一般图像特征提取之前的图像预处理及图像分割步骤,而且提取的天水线效果好,处理周期短,自适应性强,同时能够滤除噪声并保持目标细节。     

光纤陀螺噪声对惯导系统精度影响的小波分析

针对当前典型光纤陀螺捷联惯导系统,研究了低动态条件下光纤陀螺输出信号的噪声特性,运用小波多尺度变换方法进行了噪声各频段分量对导航精度影响的深入研究及仿真分析,然后采用小波阈值去噪方法进行了实测数据滤波的有效性验证。结果表明,光纤陀螺噪声的低频段部分是影响导航定位误差的主要因素,而对陀螺高频段噪声的滤波措施对导航精度影响甚微。     

飞机结构健康监控中的信息处理技术

在今年本刊第三期刊登的《飞机结构健康监控中的信息获取技术》中,详细介绍了结构健康系统中信息获取的各种手段和途径,本文主要介绍通过上述途径获得信息之后的处理技术,这些信息处理技术可以剔除与结构健康状态无关的干扰信号,并对能反映结构的损伤状态的信号进行压缩、提炼、转化,使之成为有用的信号以确定结构的健康状态,并对结构健康监控系统做出了展望。     

Phase coherence of foreshock MHD waves: wavelet analysis

The earth's foreshock is a region where particularly large amplitude MHD waves are commonly observed. They exhibit various waveforms, suggesting that nonlinear interaction between the waves is in progress. In a previous paper (Hada et al., 2003) we have introduced a method to quantitatively evaluate the strength of phase coherence among the waves from a given time series data. Here we further develop our method by applying wavelet filtering technique. From the analysis it was found that, although the turbulence is consisted of waves with a wide range of plasma rest frame frequencies, only those frequencies lower than the ion gyrofrequency are responsible for generating the phase coherence. This revised version was published online in August 2006 with corrections to the Cover Date.     

用自适应小波神经网络辨识动态实验数据

在气动动态实验中，往往飞行器气动模型是非线性的，很难对动态系统进行正确建模，因此无法得到准确的气动参数值。而采用自适应小波神经网络，无需对该动态系统建模，就可准确地辨识出气动动稳定特性，同时，精度较高、收敛速度较快。采用该方法对某导弹模型风洞自由飞实验结果进行了辨识与动稳定性分析，结果表明用自适用小波神经网络辨识安全可靠。