一种宽带阵列幅相与互耦误差联合校正算法

宽带数字阵列雷达接收通道中存在随频率变化的幅相误差和互耦误差,会严重影响雷达性能。针对这一问题,提出了一种宽带数字阵列幅相与互耦误差联合校正算法。首先选取通带内多个离散频点,对于每个频点,将幅相误差和互耦误差作为一个整体,采用基于子空间原理的窄带校正算法估计其阵列失真参数,并计算校正矩阵;然后将其组合起来,构成频域离散校正矩阵;最后基于最小二乘准则,设计了宽带有限长脉冲响应(FIR)校正滤波器矩阵。利用该矩阵,可实现通带范围内任意带宽入射信号的校正。计算机仿真实验验证了该算法的有效性。对实测数据的处理结果表明该算法在宽带数字阵列雷达系统中具有实用价值。     

考虑参数关联的缘板阻尼器减振性能分析

建立了缘板阻尼器（UPDs）各参数间的关联关系,揭示了减振性能随主要参数的变化规律,形成参数联动设计准则。基于双叶片-缘板阻尼器集中参数模型,采用多阶谐波平衡法（MHBM）计算稳态响应以衡量阻尼器性能;推导了解析雅可比矩阵,使收敛性和计算效率显著提高。结果表明:考虑参数的关联性是必要的;选取较大材料密度与特定底角的对称楔形缘板阻尼器,可以实现4.57%的最优阻尼比;当激振力存在相位差时,采用非对称的楔形阻尼结构能进一步提升阻尼效果。      

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

基于矩阵填充的二维自适应波束形成算法

针对基于矩阵填充的二维自适应波束形成问题,提出一种基于奇异值门限(SVT)的特征分解线性约束最小方差(SVT-ELCMV)算法。首先建立二维自适应波束形成矩阵填充模型,其次验证接收信号矩阵满足零空间性质(NSP),并分析最小可恢复阵元数,最后以SVT算法将稀疏阵列信号恢复为完整信号,并通过修正的特征分解线性约束最小方差(LCMV)形成有效波束。算法解决了稀疏阵列平均副瓣大幅度上升的缺陷,且在平面阵列部分阵元无法正常工作时依然有效。计算机仿真表明:SVT-ELCMV算法可使稀疏阵列具有与完整阵列相同的二维波束形成能力,并可有效抑制干扰信号,验证了算法的有效性和优越性。     

扩展酉矩阵束算法实现稀疏可重构天线阵的优化设计

针对方向图可重构天线阵列的稀疏布阵问题,提出一种基于扩展酉矩阵束算法的优化设计算法。首先建立以阵元位置和多组激励为变量的多方向图联合稀疏优化模型,并利用期望方向图采样数据构建Hankel块矩阵。然后通过centro-Hermitian化处理和酉变换将采样矩阵从复数域转换到实数域,舍弃实矩阵中较小的奇异值对可重构线阵进行稀疏。最后通过对等价矩阵束的广义特征值分解估计稀布阵元位置,进而得到每个方向图对应的激励。仿真验证了该方法能够以阵元非均匀稀疏分布的阵列形式有效实现多个方向图的精确重构。     

组合杂交三角形单元的加权能量正交关系

组合变分原理可以增强杂交元方法解的稳定性。建立热传导方程基于区域分解的组合杂交有限元方法,给出单元上温度梯度插值为线性、但温度插值为协调线性插值与非协调二次插值之和的组合杂交三角形单元,并通过数值实验验证理论结果的正确性。结果表明:分片线性温度梯度插值的散度(热源)与非协调温度插值是加权能量正交的;组合杂交三角形元刚度矩阵等同于协调的三角形线性元刚度矩阵,即非协调部分无温度增强特性。     

异形腔体压电声衬声学性能

为提高压电声衬对低频噪声的抑制范围,对声衬腔体进行结构优化。利用平面波理论构建了两种曲线管道的声学物理模型,并分别建立了两种模型的传递矩阵,以此作为异形腔体亥姆霍兹共振器传递损失计算的理论依据,并通过仿真验证其正确性。结合压电振子的形变对声衬进行有限元仿真分析,结果表明:在压电振子施加500V驱动电压时,两种声衬频率偏移量分别为115Hz和120Hz。与圆柱形腔体声衬进行对比结果表明:在相同腔体厚度范围内,由曲率越大的曲线所生成的腔体,在相同驱动电压条件下,频率变化率越高,这为今后对声衬腔体结构优化提供一种有效的依据。      

基于时滞分割技术的时滞神经网络系统时滞相依全局稳定性分析

通过构造一个新的增广 Lyapunov-Krasovskii泛函,利用时滞分割技术并结合自由权矩阵、Jensen积分不等式,得到一个时滞神经网络系统时滞相依全局渐近稳定新判据。该判据以 LMI的形式给出,便于计算和验证。数值实例表明,文章结果改进了相关文献结论,具有更低的保守性。     

航空发动机锥齿轮故障诊断技术研究

通过在锥齿轮相对应的附件机匣壳体上固定加速度传感器,在发动机试车过程中采集锥齿轮振动信号,识别特征信号,运用时频分析法、低秩稀疏分解算法、稀疏正则算法、谱峭度法分别对锥齿轮故障特征信号进行分析处理,通过比较分析,表明低秩稀疏分解算法能够有效滤除噪声和谐波干扰信号,增强故障特征信号的显著性,识别锥齿轮潜在故障,解决了锥齿轮微弱振动信号难以分离和识别的技术难题,实现了航空发动机锥齿轮故障诊断,保证了锥齿轮工作可靠性和安全性,为航空发动机锥齿轮故障诊断提供了新方法。     

基于LMI的高超声速飞行器滑模预测控制

针对高超声速飞行器非线性、多约束、快时变等特点,提出了一种基于线性矩阵不等式的滑模预测控制方法.首先设计系统的滑模面,然后对滑模面进行预测并将其作为优化性能指标,通过Schur补引理将控制律的设计转化为一个优化问题.该方法避免了常规滑模控制的高频切换,有效地克服了抖振现象.此外,相对于传统的滑模预测控制方法,该方法不需要额外计算终端约束条件和终端代价函数,只需要通过选取合适的李雅普诺夫函数即可保证系统的稳定性,且其加权矩阵和控制律是同时进行优化设计的,简化了设计过程.仿真试验表明,相比于单纯的预测控制和滑模控制,所提出的方法具有更好的跟踪性能.