基于长短期记忆网络时序数据趋势预测及应用

为了研究状态监测大数据对设备运行状态的估计和预测,提出了一种人工经验与主成分分析相结合的长短期记忆网络方法（AEPCA-LSTM）,利用运行过程中的监测时序数据对设备运行趋势进行预测。首先,通过基于人工经验的主要成分分析方法（AEPCA）从状态监测系统中提取与目标变量最相关的状态变量作为输入;其次,利用长短期记忆网络（LSTM）对目标变量趋势变化进行预测,并考虑运行过程中新数据样本的持续产生,对模型进行定期更新,以提高模型的动态适应性。最后,将所提出的方法应用于船舶副机系统的涡轮增压器转速预测中,结果表明该方法相对于传统的PCA-LSTM和LSTM,具有更小的预测平均误差0.18037,即展现了其在时序数据趋势预测的优势。     

利用一维像序列时域差分估计目标进动频率

针对弹道目标识别中目标运动特征参数估计问题,提出一种一维距离像（HRRP）序列时域差分目标进动频率估计方法,该方法首先对一维距离像进行归一化处理,利用峰值法对齐相邻一维距离像,然后计算相邻一维距离像之间的差分值,获得相邻一维距离像差分值序列,最后采用快速傅里叶变换（FFT）从该差分值序列中估计目标进动频率。该方法具有以下优点：利用相邻一维距离像差分值序列能够增强目标进动频率成份,降低其他频率成份,更有利于进动频率的估计;只需要对齐相邻2个一维距离像,而避免了对齐一维距离像序列所带来的问题。利用由FEKO软件计算的进动目标宽带一维距离像仿真数据进行了实验,结果表明所提方法比常规的加权累积法更有效,估计精度更高。     

对相位编码体制雷达的导前假目标干扰

基于间歇采样收发干扰体制,针对采用相位编码信号的雷达系统,提出了部分接收、预测转发,形成导前假目标群的新型干扰方法。在介绍间歇采样转发的基本原理后,分析了相位编码信号匹配滤波器的群延迟特性,从群延迟的角度分析了移频转发干扰和间歇采样转发干扰不能形成导前假目标的理论原因。在此基础上,针对相位编码M序列的编码特点,提出了一种基于间歇采样的预测转发干扰方法,并分析了对转发功率的要求。理论分析和仿真结果表明,该方法可以形成导前距离不同的假目标群,而且干扰功率要求低,是一种极具潜力的新型干扰方法。     

基于异方差分析的多MEMS陀螺随机误差补偿方法

针对具有异方差性的多MEMS陀螺随机漂移误差的补偿问题,提出基于广义自回归条件异方差建立单个MEMS陀螺随机漂移的误差模型,并在此基础上进行多元异方差时间序列的相关性分析,研究基于多元广义自回归条件异方差分析多MEMS 陀螺随机漂移信号的协方差矩阵和时变相关系数。将该分析方法应用于多MEMS陀螺的在线融合补偿中,验证了多元异方差分析方法对多MEMS陀螺随机误差补偿的有效性。仿真结果表明该方法对随机漂移信号具有很好的融合补偿效果,可以提高多MEMS陀螺的测量精度。     

综合热力学模型的平流层飞艇上升轨迹优化

针对平流层飞艇的上升轨迹优化问题,综合热力学模型进行了研究.主要分析了飞艇基本热力学行为,研究了蒙皮及内部气体的能量方程并建立了详细的飞艇动力学和运动学模型.在热力学、动力学和运动学分析的基础上,建立了以飞行时间为优化目标的平流层飞艇的轨迹优化模型.利用直接配点法将轨迹优化问题转化为非线性优化问题,再通过非线性求解器SNOPT(Sparse Nonlinear Optimizer)对不同场景的问题进行最优化轨迹求解.优化结果表明:热力学效应对优化轨迹有较大影响,在上升过程中,太阳能辐射为主要影响因素,另外风场也对换热量有一定影响.     

基于盲源分离的Multi-Rate DS/CDMA信号 扩频序列盲估计

通过分析Multi-Rate DS/CDMA信号特性,建立的Multi-Rate DS/CDMA系统模型与线性混合的盲源分离模型一致,针对异、同步信号的不同特性,提出不同循环分段降维方法:对异步系统而言,采用2倍扩频周期为间隔对接收信号进行分割,利用Fast-ICA算法盲估计同一扩频周期用户的扩频序列,基于矢量2范数基础上估计各用户失步时间,并依此截取得到各用户的实际扩频序列,然后,循环至次大扩频周期进行盲估计,同时根据估计波形相似度归一化衡量函数消除最大周期分段序列,求解次大周期用户扩频序列,直至循环结束。对同步系统则以单倍最大扩频周期为间隔对接收信号进行分割,然后进行盲估计及降维处理。理论分析和仿真结果验证了本文方法的有效性。     

基于新型经验模分解的激光陀螺漂移趋势项提取

为了提高激光陀螺建模精度进而提高惯件导航系统的精度,需要对激光陀螺漂移时间序列的趋势项进行精确提取.针对陀螺漂移时间序列非线性、非平稳的特点,提出一种基于自适应正弦延拓的新型经验模分解方法对其趋势项进行提取.该方法根据信号端点附近数据变化趋势,在其两端加上适当相位、幅值和频率的正弦延拓函数,从而抑制端点效应,提高分解精度.数字仿真和实例应用结果表明该方法具有筛选次数少,自适应能力强,分解精度高的优点,是提取趋势项的一种有效方法.     

自适应渐消EKF方法及其在卫星跟踪中的应用

针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。     

伪码调相与线性调频复合调制引信

在介绍伪码调相引信的原理基础上,首先分析了连续波伪码调相引信存在的多普勒敏感问题,提出了一种能抑制多普勒频率的复合体制引信－伪码调相与线性调频复合调制引信。然后详细阐述了这种复合调制引信的系统实现原理,推导了各个阶段的信号形式,最后通过分析复合引信的特性,证明了这种复合引信具有优越的性能,尤其是具有多普勒不敏感性和极强的抗干扰能力。     

基于特征参数趋势进化的故障诊断和预测方法

 采用时间序列方法对可以表征系统故障状态的特征参数的趋势进化进行预测,同时考虑特征参数的概率分布特性,给出了对系统进行故障诊断和预测的方法。在已获得特征参数监测数据的基础上,分别对具有广义强度/故障阈值确定分布或故障模式特征参数空间分布两种形式的故障判据,提出了利用二次指数平滑预测模型对系统未来某时刻的故障状态进行预测的方法。给出包括故障概率和故障指数在内的故障诊断和预测结果形式,可进一步为系统的维修决策等提供参考。