基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行。针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中。训练过程及仿真结果表明：小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率。     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

一种小波变换像空间的再生核

利用一个常用的调制高斯函数作为小波母函数,得到小波变换像空间的再生核函数的具体表达式和小波变换的等距恒等式,并分析了小波变换像空间的结构,为一般的小波变换的像空间的研究提供了理论基础。     

硬车削过程中声发射和振动信号的监测及分析

为了对硬车削过程进行监测和分析,本课题建立了一套基于虚拟仪器的信号采集系统,采集模具钢硬车削加工过程中的声发射和振动信号.对声发射和振动信号进行小渡变换并重构后,发现硬车削过程中的声发射和振动信号都与转速密切相关.随着转速的增高,淬硬钢的声发射信号也随着增大,但振动信号却随之减小.     

小波神经网络在航空发动机故障诊断中的应用

针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

基于Bayes分类器的DoS／DDoS攻击防御技术

提出了一种基于贝叶斯分类算法的分布式拒绝服务攻击防御技术。利用贝叶斯分类算法来计算数据包的分值特征,按照分值表对数据包进行评分并映射成危险等级。然后对危险等级进行评估,根据不同危险等级对网络流量进行过滤。基于该防御技术,设计并实现了防御系统。通过实验分析,该系统在DoS／DDoS攻击发生时能有效区分正常流量与异常流量,从而实现对DoS／DDoS攻击进行实时防御。     

一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

跨声速压气机转子失速过程的实验

针对一台跨声速压气机转子在不同转速下的失速过程进行了稳态和动态实验研究.通过对原始信号、小波分析结果以及FFT(fast Fourier transform)变换结果的分析得到,该压气机转子在3个不同转速时均为突跃型全叶高失速,流场中存在一个失速团,失速团沿周向的传播方向与转子转动方向相同,其相对静止坐标系的量纲一转速随转子转速的增大而减小,对这一规律产生的原因进行了分析.      

量化拆包的综合显示控制系统软件设计与实现

综合显示处理机与多功能显示器接口模块之间通信采用HDLC传输协议,此时综合显示处理机与多功能显示器字符板模块之间通信采用DF指令格式.但是当画面显示数据的DF指令长度超过HDLC协议设置的带宽或设定的缓存区大小时,综合显示控制系统将无法实现信息显示.为此本文提出了主动量化拆包的解决方法,可支持大数据量显示的综合显示控制...