三重混合范数的L型嵌套阵列二维角度估计

针对L型嵌套阵列二维角度估计问题,提出一种三重混合范数块稀疏重构算法。首先,建立一种俯仰角和方位角可分离的二维稀疏测向模型,将两个维度采样点分块,分别计算联合协方差矩阵,二维角度估计问题被转化为联合协方差矩阵稀疏优化问题;为减小计算复杂度,建立三重混合范数块稀疏重构模型,利用交叉迭代的方法得到稀疏解,实现了二维角度估计,并且可以自动配对。仿真试验表明,三重混合范数稀疏重构算法能够有效估计多个辐射源的二维角度,分辨率较高,并且具有一定的鲁棒性。与传统算法相比,在低信噪比和小快拍数的条件下,均优于传统二维角度估计算法。     

稀疏孔阵层板冷却结构的主要参数影响数值研究

针对燃烧室火焰筒的气动热力条件,在给定的单位壁面面积冷却空气质量流量下,通过数值模拟较为系统地研究了稀疏孔阵层板结构主要参数对冷却性能的影响,冲击孔、扰流柱和气膜孔数之比为1∶10∶1。在本文研究的结构参数范围内,气膜孔和冲击孔直径对于层板的综合冷却效果和压降影响相对较大,增大气膜孔直径有利于改善综合冷却效果并降低冷却气流通过层板的压力损失,增大冲击孔直径虽降低了冷却气流压力损失但同时也导致综合冷却效果有一定的减弱;射流冲击间距和扰流柱直径的改变对压力损失影响甚微,扰流柱直径增加可以提升层板综合冷却效果,小射流冲击间距比的层板综合冷却效果略优。     

基于ELMD与改进SMSVM的机械故障诊断方法

机械振动信号携带大量重要的机械状态信息,然而机械故障振动信号在复杂工作状态下通常呈现非平稳、非线性特性。因此,从振动信号抽取和选择有效的机械故障特征、提高故障识别性能,成为机械故障诊断研究的热点。针对上述问题,本文提出了基于集成局部均值分解(Ensemble local means decomposition,ELMD)与改进的稀疏多尺度支持向量机(Sparse multiscale support vector machine,SMSVM)的机械故障诊断方法。该方法首先使用自适应非线性、非平稳信号处理方法 ELMD把多模态调制故障信号分解成为多个单模态解调信号,有效地增强了故障特征。把压缩感知和多尺度分析技术融合于故障模式分类中,提出改进SMSVM旋转机械故障识别方法,提高多类机械微弱故障数据模式识别性能。该方法融合稀疏表示、多尺度分析和SVM的优点,无需求解复杂的优化问题,易于推广至更多尺度SVM,具有计算量少、泛化性与鲁棒性好、物理意义明显等优点。人工数据和实验设备数据验证了本文算法的优越性。     

稀疏非结构网格上的亚声速流高精度数值模拟

采用高阶间断有限元法在非结构网格上数值求解二维亚声速Euler方程。数值结果表明,尽管采用的非结构网格非常稀疏,但通过采用真实曲线物面边界和高阶的基函数仍可得到高精度的数值解。另外,对于超低速情况,方程无需经过任何特殊处理就可以得到收敛的数值解。由于采用牛顿一般最小余量法(Newton-GMRES)时通常需要较好的初始值,本文设计了一种阶谱循环过程来提高数值求解的鲁棒性。     

两种基于方差的全局灵敏度分析W指标改进算法

在全局灵敏度分析(SA)中,基于方差的灵敏度分析指标(包括Sobol指标和W指标)应用广泛。其中Sobol指标是将输入随机变量固定于特定点时,求得其对输出响应量的平均影响;而W指标求解当输入随机变量在各自分布区间上缩减变化时,输入变量对输出响应量的影响程度。相比Sobol指标,W指标所反映的信息更加全面。但目前对W指标的求解方法还比较欠缺,双层重复抽样蒙特卡罗(DLRS MC)方法和双层一次抽样蒙特卡罗(DLSS MC)方法是两种传统的求解方法。针对W指标的求解问题,提出了两种新算法:改进的蒙特卡罗模拟(AMCS)和基于稀疏网格积分(SGI)的方法。AMCS只需抽取一组样本便可计算出所有变量的各阶W指标,由于该方法是通过筛选策略来计算条件区间上的方差,避免了DLSS MC法中由于小数取整带来的计数误差,从而提高了计算W指标的精度。基于SGI的方法则利用稀疏网格积分来计算三重矩进而得到W指标,由于该方法继承了稀疏网格积分的高效性,因而进一步提高了W指标的计算效率。最后,给出了两个数值算例和一个工程算例,用于验证所提方法求解W指标的准确性和高效性。     

基于协方差矩阵高阶幂的二维DOA估计新算法

 针对稀疏分解方法进行均匀圆阵(UCA)的二维波达方向(DOA)估计运算复杂度大的问题,提出了一种基于协方差矩阵高阶幂稀疏分解的二维DOA估计新算法。该算法首先利用协方差矩阵高阶幂无需进行特征值分解和信源数估计的特性,构建了协方差矩阵高阶幂的稀疏分解向量;然后运用粒度分层思想,构造了粗区域估计和细方位估计的分层多粒度的快速分解模型,分层字典的长度大大减少,在保持估计精度的前提下,算法运算时间远小于现有的恒定冗余字典的稀疏分解方法,从而解决了基于稀疏分解的圆阵二维DOA估计问题。论文提出的算法与二维MUSIC算法相比,估计精度高,且能满足对相干信号的估计。仿真结果验证了算法的有效性和可行性。     

一种基于稀疏分解的静电信号去噪方法

介绍了发动机静电监测技术的原理,对静电监测信号的复杂噪声成分和类型进行分析,总结了以往经典去噪方法的不足。针对静电信号复杂噪声滤除问题,提出了一种基于稀疏分解理论的静电信号去噪方法。分析了基于稀疏分解的静电信号去噪方法流程;以所构建仿真信号和实测试车静电信号作为分析对象,利用所提方法进行了去噪分析与实例验证,并与其他经典方法的去噪效果进行了对比。结果表明:基于稀疏分解的静电信号去噪方法具有很高的灵活性,能对信号背景中包含的高斯白噪声以及工频干扰噪声能够进行有效地去除,同时能够对于有用脉冲信号的成分进行保留,针对复杂静电信号去噪问题具有良好的应用效果。      

基于时频域增强和全变差的群目标信号分离

针对低分辨雷达获取的群目标信号的弱时频正交性以及难以分离的问题,在进行时频域增强处理的基础上,提出了一种基于全变差(TV)的群目标信号分离方法。在旋转目标模型的基础上,首先通过分析群目标信号的稀疏性,指出了进行时频域增强处理的必要性。然后利用群目标中各子目标对应的微动周期的差异性,通过双向延迟处理,对多次观测得到的群目标信号进行时频域增强处理。最后根据群目标信号能量区域的分布特性,利用局部TV融合和主分量分析相结合的方法,实现了群目标信号的高保真分离。仿真结果表明,在采样率较低的情况下,文中方法有效地解决了群目标信号中弱信号分量的分离及提取问题,其融合分辨效果明显优于基于TV范数的融合方法。      

基于稀疏分解的压气机气动失稳检测

为及时可靠地检测出气动失稳现象,保障压气机的安全工作,采用Laplace小波构建原子函数库,引入稀疏分解算法提取阻尼比小于0的信号成份,通过与预设阈值比较内积值的大小,进行气动失稳信号的检测。结合在线检测系统的特点,将Laplace小波蜕化为衰减正弦函数,限定了参数取值范围;并仅进行一步匹配追踪,由此减少了稀疏分解的计算量。采用压气机试验台实测数据验证,该方法可以在压气机进入喘振前49~154ms准确发出报警信号。