基于小波神经网络的航空发动机建模研究

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法，并采用高效率的初始化方法缩短了训练时间。采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练，建立了全包线适用的动态小波神经网络航空发动机模型，用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力。与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较，结果表明WNN建立的模型训练精度高而且泛化能力强。     

开环光纤陀螺信号测试与小波去噪

建立了开环光纤陀螺测试系统,分析了干涉型开环光纤陀螺信号中主要噪声的产生机理和特点,利用小波分析的方法进行了去噪.与常用的滤波方法如平滑滤波、低通滤波等进行了对比,结果表明,小波分析较好地满足了在噪声干扰下对光纤陀螺微弱输出信号的检测要求,在有效滤除了噪声的同时保留了信号的细节信息.文中分析了去噪阈值的选取,比较了不同小波基情况下去噪效果的差异,通过实验证明了多尺度小波分析对光纤陀螺信号去噪的有效性.     

面向叶片裂纹检测的自适应图像处理算法研究

提出了一种采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求。     

一种基于小波分解的快速图像匹配算法

为了提高图像匹配的速度和精度,提出了一种基于小波分解图像匹配算法,该算法首先用Mallat算法对匹配图像进行小波多尺度分解,然后提取各级的边缘特征,最后在对图像进行多级分解的基础上进行匹配.该算法不仅减少了计算量,而且提高了图像匹配的精度.实验表明,提出的匹配算法在速度和精度上都是有效的.     

漂浮基空间机械臂姿态、关节协调运动的模糊小波神经网络控制

讨论了本体姿态受控、位置不受控制的漂浮基空间机械臂系统协调运动的动力学控制问题. 根据系统位置几何关系、动量守恒关系和第二类拉格朗日方程, 建立漂浮基空间机械臂系统的动力学方程. 在此基础上, 针对系统参数未知的情况, 设计了一种采用小波基函数作为模糊隶属度函数的模糊神经网络控制器, 以控制空间机械臂的本体姿态和机械臂两关节铰协调地完成各自在关节空间的期望运动. 其特点是不要求系统动力学方程关于惯性参数呈线性函数关系, 甚至不需要知道系统参数;而且网络权值是采用反向传播算法根据误差进行在线学习, 使模糊神经网络获得更强的自学习和自适应能力, 同时也节省了离线学习的时间. 系统数值仿真的结果证实上述控制方案是行之有效的.     

航天器传动部件振动数据稀疏多分类智能故障诊断

针对航天器传动链机械零部件发生故障时训练数据稀缺以及信号的强非平稳\非线性特点,提出了动态数据驱动的子空间稀疏多分类智能故障诊断算法。首先对采集的单一传感器动态信号进行分形小波变换,生成常规和非常规二进小波尺度。然后对生成的各子空间提出基于故障能量指标的稀疏多分类器,以监测部件的故障特征频率为搜索目标,在子空间的包络解调谱上计算特征频率及其倍频附近的能量峰值,导出特定故障模式的稀疏评价指标,以各种故障模式的最大值识别和判定故障类型。所提出的算法完全实现了无人工监督的智能故障诊断。最后以航天器轴承故障诊断为例验证了该算法的有效性。所研究算法的泛化能力较强,技术路线同样适用于其他航天器传动部件的在线监测与故障智能预警。     

卫星干涉高光谱遥感图像序列差值压缩编码

根据干涉高光谱图像的成像特点和卫星遥感图像压缩编码系统要求,提出了一种新的卫星干涉高光谱图像序列压缩算法。新算法利用干涉成像光谱仪推扫成像特点提出了一种低存储量,帧间小波域匹配的图像序列压缩方案,提高图像质量3—4dB。算法首先通过小波域匹配算法检测出相邻图像之间的推扫位移量并移位求得两帧的最佳差值图像,然后对差值图像进行静止图像EBCOT压缩编码,从而提高总体编码效率。该算法具有与单帧图像编码算法相当的复杂度,只需要对当前图像与模板的差值图像进行基于小波变换的编码,避免了目前基于三维小波变换的编码算法对系统大存储量要求以及编码延时大的缺陷。仿真结果表明,本算法针对干涉高光谱图像编码,可获得比基于三维小波变换的算法相当甚至更好的效果,并且大大降低了编码延时。     

基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法

依据直升机旋翼不平衡故障空间与多点机体振动空间存在一对一映射关系的理论,采用某旋翼试验台设置桨距不平衡、质量不平衡以及后缘调整片不平衡的方法获取试验数据。利用小波变换和神经网络处理直升机机体振动信号,并对直升机旋翼单故障和复合故障进行诊断。最终实现了一种利用小波变换处理机体振动信号诊断旋翼不平衡故障的方法。     

基于树形小波变换的断口图像识别

断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。     

基于自相似检测DDoS攻击的小波选择

为使得小波分析方法准确检测DDoS攻击引起的网络流量自相似变化,针对小波选择关键问题进行研究,提出了一种能够简便有效的发现最佳小波和消失矩的小波选择方法.通过实验发现,当发生DDoS攻击时,dbN系列小波检测到的自相似参数Hurst值变化最大;当给定小波种类时,Hurst值将发生周期性变化,但是消失矩最小时,小波对DDoS攻击最敏感.