基于小波神经网络的直升机主减速器故障诊断系统

应用离散小波变换(DWT)和神经网络相结合构建直升机主减速器速器故障诊断系统: DWT对振动信号进行特征提取,神经网络对故障进行辨识和分类。阐述了DWT、帕塞瓦尔定理和广义回归神经网络(GRNN)基本理论,提出了直升机主减速器的故障诊断系统流程图,最后用某型直升机飞行时主减速器上的振动数据对该系统进行验证。实验使用了BPNN(back-propagation neural network)和GRNN两种神经网络,结果表明:提出的故障诊断系统能对主减速器故障进行较好的辨识和分类,这将为直升机主减速器故障诊断系统的进一步开发提供新的技术参考。      

引入图像复原技术的遥感卫星图像压缩解码算法

针对遥感卫星基于小波变换的光学图像有损压缩算法,提出了一种引入图像复原技术思路的算法,对遥感图像解码处理过程中获得的低频信息进行复原,可以获得更多的用于在频域范围内描述图像结构信息的高频分量增益,从而提升整个解码图像的质量。通过此算法与传统的小波压缩算法进行对比,结果表明:压缩恢复图像的峰值信噪比(PSNR)较传统算法有0.1~0.3dB的改善,压缩恢复图像表现出更为丰富的纹理特性,可降低对遥感卫星图像数据处理和天地链路数据传输的要求。     

超声速翼型气动优化设计

首先分析了几何外形和相对厚度对超声速翼型气动特性的影响。基于遗传算法(GA)和气动力快速工程算法,对于相对厚度为3.5%的多边形翼型进行优化设计,多边形翼型的优化外形趋于四边形,最大厚度点后移到翼型弦线的60%左右,随着迎角或者马赫数增大下翼面会变薄,上翼面变厚,最大厚度点相应稍有后移。对于相对厚度为4%的双圆弧翼型,采用两步优化设计方法,第1步优化结合基于B样条的类别形状函数变换(CST)参数化方法与小波分解方法,实现几何外形的局部控制与光顺处理,并且采用本征正交分解(POD)代理模型降低优化过程中流场计算的工作量;第2步优化采用基于Navier-Stokes方程的最速下降法(SDA),修正第1步优化中代理模型和小波光顺引入的误差;优化设计得到的翼型近似为四边形,其相对厚度最大点后移到翼型弦线的60%~65%处,升阻比可以提高7%。     

基于非抽取小波包变换的信号滤波算法

对航天测控信号进行滤波处理,有利于改善信号品质,提高系统的测量性能。针对航天测控信号中的差分单程测距(DifferentialOne-wayRanging, DOR)信标信号等侧音信号,提出了基于非抽取小波包变换（Un-decimatedWaveletPacketTransform,UWPT）的滤波改进算法。该算法以功率平坦度为准则,判断某一节点是否需要继续分解。改进算法克服了以能量聚焦度为准则时算法误判停止分解或多重分解算法复杂、计算量大等的缺点,同时解决了阈值不易确定的问题。仿真结果表明改进算法在降低算法复杂度的同时,滤波性能相对有所提高。最后采用改进算法对仿真信号和在轨卫星数据进行处理,结果表明滤波后仿真信号差分相位估计精度提高约3倍、实测数据差分相位估计精度提高0.72倍。     

基于小波包变换与D-S证据理论的多聚焦图像融合

介绍采用小波包变换实现多聚焦图像融合的原理及一般结构,提出一种基于D—S证据理论的融合规则,并给出实例仿真实验。实验结果表明,该方法具有良好的效果。     

滚动轴承故障诊断的品质因子可调小波重构方法

针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.      

弹道中段多目标微多普勒分离方法

针对窄带雷达获取的多目标回波中微多普勒信息相互交叠、难以分离与提取的问题,提出了一种基于拍卖算法和小波分析相结合的多目标微多普勒分离方法。在滑动散射模型的基础上,首先通过对回波信号进行预处理得到时频骨架,再根据弹道目标多普勒的变化规律及估计的进动周期定义路径长度,利用拍卖算法提取出多条多普勒曲线对应的最短路径,最后采用小波分析法消除多普勒曲线中的剩余平动分量,实现了多目标微多普勒的分离。仿真结果表明,该方法能够较好地解决交叉区域的路径选择问题,且抗噪性较好,适用于多种微动形式。     

基于小波变换的多方位角SAR图像融合方法

针对目标散射特性空变效应以及多方位角图像信息冗余的问题,提出了一种基于小波变换和边缘检测的多方位角SAR图像融合方法。首先,将图像进行小波变换,完成低频信息和高频信息的分离,实现图像的多分辨表征及序贯图像多方位角信息的融合;然后,利用改进的Robinson算子增强图像的轮廓特征;最后,融合实验和定量评估结果证明了本文所提融合方法的有效性。     

基于小波和独立成分分析的去噪自适应算法

为了寻求一种能将不同类型和数量的噪声从图像中去除的方法,提出了一种能从图像源中将噪声与信号分离的改进的小波ICA滤波器。该方法首先使用小波降维,用Morlet小波来解决非正交问题;通过ICA规范化降维后的信号,从而发现独立噪声特征;再通过相关性将图像和噪声分离;最后,对图像进行还原,得到去噪后的图像。通过实验与主成分分析(PCA)方法、FastICA方法进行了对比,验证了该方法的有效性。结果显示,本研究提出的方法降噪效果较PCA方法和FastICA方法有大幅提高。同时,复杂度略有上升。     

基于小波分析的压气机气动失稳检测

简要介绍了小波分析的原理和算法,并针对压气机气动失稳的特征在小波分析的基础上构造了稳定性评估算法,然后通过实际的压气机试验对稳定性评估算法进行了验证。