基于AR模型对滑油中金属元素含量的预测

利用时间序列分析方法对某型航空发动机滑油监控系统中需重点监控的金属元素含量建立了AR模型。并根据该模型对其含量变化趋势进行了预测分析。某部队通过对不同实测数据的检验证明，可根据该模型的预测结果预报金属含量是否招标。     

支持向量机时间序列预测模型的参数影响分析与自适应优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善.本文运用支持向量机建立时间序列预测模型,研究影响模型预测精度的相关参数,在分析参数对时间序列预测精度的影响基础上,提出用遗传算法建立支持向量机预测模型的参数自适应优化算法.最后,用太阳黑子数据和航空发动机油样光谱数据进行了预测分析.算例表明了本文算法的正确性.     

基于误码率准则的窄带干扰抑制算法性能分析

采用有效的窄带干扰抑制技术,可极大地改善扩频通信系统的性能.首先详细介绍了频域干扰抑制算法的基本思想,给出了算法实现的模块框图;其次具体分析了算法实现的关键技术：重叠加窗,背景噪声估计,干扰门限确定及干扰消除策略;最后以误码率作为干扰消除算法性能的评判标准,仿真分析了频域窄带干扰抑制技术中干扰强度、干扰频带宽度、干扰频率位置、干扰消除门限、陷幅值、加窗重叠度等因素对系统误码率的影响,为在不同条件下算法最佳参数的选取提供了依据.仿真结果表明：当干扰消除门限值取4aF,陷幅值取2σF～6σF,加窗重叠度为50％时,该算法可获得最佳抗干扰性能.     

基于Viterbi算法的扩频码与信息序列联合估计

针对短码DSSS（Direct Sequence Spread Spectrum,直接序列扩频）信号扩频码MLE（Maximum Likelihood Estimation,最大似然估计）问题,提出了一种基于Viterbi算法的扩频码搜索方法,并将其应用到同步CDMA（Code Division Multiple Access,码分多址）信号的扩频码估计中.该算法利用了扩频码码元为±1的先验知识,以向量的2-范数平方或1-范数作为度量值;每次判决扩频码码元时,计算2条可能路径的度量值,并选择使度量值最大的那条路径作为幸存路径,最终的幸存路径即为估计的扩频码;所提算法不仅计算复杂度低,而且能同时估计扩频信号的扩频码和信息序列.仿真实验表明,本算法在低信噪比时同样具有较好的性能.     

民用飞机健康管理技术研究

随着民用飞机的系统集成度和复杂性大大提高,为降低民用飞机的运营成本、提高安全性和可靠性,民用飞机健康管理系统成为航空制造行业的发展趋势。本文简要介绍了民用飞机健康管理技术在国内外的发展现状,现阶段技术条件下所面临的问题以及所涉及的关键技术。着重介绍了民用飞机健康管理技术研究的方法和研究的内容,并对民用飞机健康管理技术未来的发展趋势进行了展望。     

基于Gauss伪谱法的UCAV对地攻击武器投放轨迹规划

研究无人作战飞机(UCAV)在对地攻击阶段的武器投放轨迹规划问题.针对传统方法在处理复杂的飞行器运动学、动力学约束上存在的困难,提出了一种基于Gauss伪谱法(GPM)的求解策略.首先,为了最大程度地逼近实际飞行环境,对UCAV的气动力特性、发动机推力特性、油耗特性及大气环境特性进行了高精度拟合,并充分考虑了飞行器各种...     

倾转旋翼机飞行力学特性

总结和分析了旋翼、机翼、机身、短舱和尾翼气动力模型和操纵机构特点,其中旋翼气动力模型以准定常叶素理论为基础,机翼和尾翼气动力模型以升力线理论为基础,并分析了旋翼尾流对机翼气动力气动干扰问题;建立了全量非线性倾转旋翼机飞行力学模型;以XV-15为样机,对倾转旋翼机在不同飞行模式和飞行速度下飞行力学特性展开了详细研究,得到的结论有助于深入了解倾转旋翼机飞行力学特性,也可用于倾转旋翼机飞行控制系统设计.      

铝合金疲劳试验的声发射滤波技术研究

介绍了声发射技术在铝合金结构试件疲劳试验中的应用;采用声发射信号滤波处理技术进行铝合金疲劳试验研究。通过分析和实验可以确定,采用声发射信号滤波技术能够对结构件疲劳裂纹的萌生和扩展做出判断。     

时序多相关-经验模式分解方法及其对车辆振动信号的分析

振动信号的特征提取由于受强背景噪声的干扰往往具有很大的困难。在作者提出的时序多相关-经验模式分解方法的基础上,提出了一种相应的改进方法,将其扩展到一般振动信号的特征提取。先对采集到的时间序列作多相关处理,在时序多相关处理时,为了达到克服噪声干扰的目的,取一段采样序列,对其作周期延拓,使得在多相关处理后,噪声仅仅体现在多相关序列的常数项里面。再对得到的多相关数据作经验模式分解,选择满足要求的本征模式函数并作边际谱分析,以达到提取强噪声背景下的特征信号的目的。仿真分析表明了该方法的有效性。最后将它应用到实际某特种车辆振动信号的特征提取中,得到了满意的结果。     

基于小波神经网络的混沌时间序列预测及应用

根据相空间重构理论,探讨了一种基于小波神经网络(WNN)的混沌时间序列预测方法。根据G-P算法和Takens理论,计算出混沌时间序列相空间重构所需的最小嵌入维数,以此作为网络的输入节点数。通过时频分析,使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测,验证了方法的有效性。结果表明,对于混沌时间序列的预测,WNN网络比BP网络表现出更理想的预测效果,为非线性动态系统的预测提供了一种有效的途径。