风扇/压气机周向模态识别中传感器角度偏差的影响

基于任意角度压缩感知(CS)方法分析了传感器安装角度偏差对风扇/压气机周向模态识别重构的影响,设计了一套自适应角度优化程序修正重构误差。利用数值试验探究了传感器角度偏差和数量对周向模态重构结果的影响,研究表明:当角度偏差等级为2.5%时,平均重构误差达到10%以上,若保证重构误差基本不变,将传感器数量从7个增加至25个,仅可以将角度偏差等级放宽至4%。而采用小生境微种群遗传算法进行自适应角度优化,在20 dB信噪比下,通过自适应角度优化可将角度偏差等级从2.5%放宽至10%,降低了传感器安装的精度要求。成功优化了一款冷却风扇在前三阶叶片通过频率下的主要周向声模态重构幅值。自适应角度优化算法有效提升了基于压缩感知的风扇/压气机周向模态重构可靠性。     

某型装备轴承件无失效时的可靠性参数估计

针对寿命服从威布尔分布的某型装备轴承件在无失效数据时的可靠性参数估计问题,首先,以失效概率为待估参数,取其先验分布为Beta分布,在2个超参数的先验密度函数为2种不同情形下,建立了失效概率的2种EBayes估计模型,分析了稳健性、渐近性和单调性;然后,对威布尔分布参数进行了加权最小二乘估计,进而建立了可靠度的2种E-Bayes估计模型,分析了稳健性和单调性;最后,结合实例数据进行了可靠性参数估计与分析,指出第2种估计模型更加合理有效。     

一种基于多调制技术的自适应多速率数字通信系统

数字通信系统的信道状况多变。采用自适应多速率技术,根据信道状况选择合适的信息传输速率进行数据传输,可以提高信道利用率和减少误码率。文章利用多元调制中符号速率与比特速率的倍数关系,通过对多元调制方式的切换,实现了自适应多速率的数据传输。不同的调制方式对信道状况有不同的要求,所以文中分析了几种实用的信噪比估计方法,同时为实现调制方式的可靠切换设计了工作流程,并最终在硬件平台上实现了多调制切换和自适应多速率数据传输。     

一种改进的Lucas—Kanade光流估计方法

Lucas—Kanade算法是一种重要的光流估计技术,在计算机视觉领域有广泛的应用。但对于图像纹理欠丰富的区域,Lucas—Kanade算法光流估计结果较差。文章提出了一种改进的Lucas—Kanade算法：首先,计算跟踪置信度因子;然后,通过阈值检测剔除不可靠的光流估计结果;最后,进行邻域填充。该方法改善了纹理欠丰富区域的光流估计,对矮人模型图像序列进行了实验,证明了方法的有效性及优于Poelman方法和Chiba方法。     

基于模型的转子系统不平衡量的估计

采用基于模型的方法对转子系统的不平衡量进行估计,首先记录初始状态下的振动信号,然后根据实时测得的不平衡响应信号,得出差值振动信号,联立转子系统的动力学方程,得出不平衡等效载荷,根据等效载荷,得出不平衡的位置、相位及大小.采用模态扩展技术实现由有限几个点的振动响应获取所需点上的响应.由于噪声的影响,提出了基于高斯小波的降噪方法.仿真与实验结果表明,这一方法能够比较准确地估计出转子系统的不平衡量.      

崎岖地形中关节式月球车姿态估计数值求解方法

 以被动关节式地形自适应月球车为研究对象,融合关节机器人D-H坐标建模方法构建了月球车悬架运动学模型和以侧倾、俯仰和偏转角表示姿态的欧拉角方式建立了车轮到世界坐标系的悬架完整表达模型。利用悬架完整表达模型,用带有迭代因子的连续迭代和离散迭代数值求解方法,建立了光滑和离散崎岖地形姿态估计算法。最后以8轮扭杆双摇杆摇臂月球车原理样机为例来验证此模型求解方法。仿真结果验证了所建立的基于数值方法的崎岖地形被动关节式月球车姿态估计模型的正确性,其求解模型精度能够满足仿真要求。     

叶型偏差对涡轮性能影响的非定常数值模拟研究

叶型的加工和装配误差难以避免,这将对涡轮的气动性能产生一定的影响.采用定常和非定常数值模拟结合整机实验的方法,研究了叶型偏差对涡轮气动性能及内部非定常流动细节的影响,并比较了定常和非定常计算结果的差别.研究结果表明:在整个工作范围内,叶型偏差都会造成涡轮性能的明显下降,通道涡和泄漏流的发展、前缘吸力峰的强度、激波的形态和强度等流动结构以及叶排间的非定常相互作用都会随叶型的变化而显著改变,而非定常数值模拟对涡轮气动性能和流动结构受叶型偏差影响的捕捉更为准确.     

外弹道节省参数的抗差估计

基于天基和地基测量的融合估计是高精度外弹道参数估计的发展趋势。然而在这些测量数据中,普遍存在粗差和模型偏差,直接影响参数的估计精度。针对此问题,本文结合双星定位系统、地面光学和雷达的联合测量,建立了基于抗差估计方法的外弹道节省参数估计模型,给出了算法流程和步骤。仿真表明,该算法确实能有效降低粗差和模型偏差对估计精度的影响,相比传统的节省参数估计方法,该算法确实有效。     

一种联合估计的有源校正高精度测向算法

针对存在系统误差的阵列模型,提出了一种有源标校下的联合估计测向算法。该算法把误差矩阵估计转化为误差系数估计,并采用到达角精确已知的源信号进行标校,在此基础上使用最小二乘法联合估计幅相不一致误差系数和互耦误差系数,最后使用结合误差矩阵的MUSIC算法测量信号的到达角。仿真表明,该算法仅需要3个标校源,其精度相比于无阵列误差情况下降0.05°,具有较好的工程可实现性。