一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

相似多细节结构疲劳试验不完全数据参数估计

讨论了用含相似多细节结构的不完全疲劳试验数据进行疲劳特征参量分布参数估计的方法.在假设疲劳寿命服从对数正态分布和双参数Weibull分布的情况下,分析了用于描述单个细节疲劳质量的随机变量的分布参数与含相似多细节结构不完全试验数据的分布参数之间的关系,分析表明二者之间存在显著的差异,但具有确定性的关系,这种关系与细节个数有关,给出了通过不完全试验数据估算单个细节疲劳分布参数的定量方法.通过数值模拟,分析了样本容量和细节个数对估算结果分散性的影响,分析表明,在细节数较少时,对分散性的影响与样本容量有关,与细节个数关系不大.      

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于最小二乘估计的雷达系统误差卫星标定方法

雷达系统误差标定对精密测量雷达系统精度具有重要作用.本文针对基于精轨卫星的雷达系统误差参数标定技术,建立误差参数解算数学模型,对关键算法的最小二乘估计进行分析推导,并对卫星标定技术实现进行了系统设计.采用本文算法,依据某雷达常规手段实测的系统误差参数项进行仿真及仿真结果分析.研究结果表明,基于最小二乘估计的方法在卫星标定技术中是可行的.     

一类有正阻尼的强非线性振动问题的近似解

用线化法,权残法和插值摄动法相结合的方法求得了一类有正阻尼的强非线性振动问题的近似瞬态解,精度好。     

SAR图像中动目标自聚焦检测的方法改进

构造了各聚焦图像块的对比图像块,对比图像块内的静止背景与聚焦图像块内的静止背景图像保持同步变化,它们的锐度始终相等,而对比图像块内的动目标与聚焦图像块内的动目标图像有很大差异,以聚焦图像块与对比图像块锐度比检测动目标,可排除静止背景锐度下降的影响,提高检测性能。实测数据表明该算法有效。     

复合材料疲劳性能的能量耗散试验研究

材料的损伤、屈服、断裂及破坏过程都是一个需要消耗能量的过程,材料的疲劳是.个耗散的过程.通过对T300/QY8911纤维增强复合材料层合板的疲劳试验,应用能量耗散方法对层合板的疲劳性能和损伤进行分析评估,并通过红外热像仪宏观监测试样表面平均温升的变化趋势.主要包括以下几个方面:1)分析铺层方式对能量耗散密度的影响以及能耗密度与材料疲劳性能和损伤的内在联系,发现能耗密度在初始循环阶段(约为循环寿命数的10%)随着循环数的增加上升较慢,在后一循环阶段出现急剧攀升趋势;2)通过监测试样表面甲均温升的变化趋势,发现试样表面温度的宏观变化趋势与能耗密度的变化趋势具有相似性.     

爆炸解体空间碎片的空间密度分布

利用NASA爆炸解体模型研究了由爆炸解体而产生的空间碎片的分布情况,并通过对大种群空间碎片进行快速轨道演化,获得了所有历史上爆炸解体而产生的空间碎片在当前时刻的分布情况,为建立空间碎片环境工程模型提供了一部分参考数据。文中对后续的研究工作具有一定的参考价值。     

基于随机截尾数据下Weibull分布的参数极大似然估计与应用

对服从Weibull分布的随机截尾数据建立似然方程,给出形状参数和尺度参数的极大似然估计,通过参数极大似然估计对火箭发动机试车试验数据进行了可靠性评估分析,算例得到的形状参数估计值与实际工程应用的经验估计值十分接近。     

模型组转换算法在机动目标跟踪中的应用

为改进变结构多模(VSMM)估计中模型组转换(MGS)算法对运动规律较复杂目标的跟踪,提出了用于模型组激活的核心模型转移法。该法为每个模型组确定一核心模型,并利用当前时刻滤波结果中的模型概率和似然等先验与后验信息,判断模型组的激活。仿真结果表明,核心模型转移法的滤波结果平稳,为MGS算法提供了一种简单易行且全面利用系统信息的模型组激活方法。