基于试验气动力的纵向机动飞行载荷分析

提出了一种基于非线性风洞试验数据(简称试验气动力)同步进行纵向机动飞行过程和飞行载荷的计算分析方法.通过曲面样条插值将试验气动力的升力系数和俯仰力矩系数引入纵向机动飞行过程的计算,同时基于试验气动力的压力分布进行全机飞行载荷的静气动弹性修正.弹性载荷的计算采用线性气动力影响系数矩阵处理.采用偶极子格网法提供气动力(简称理论气动力).将基于这两种气动力的计算结果进行了对比.结果表明:基于试验气动力的机动飞行过程更为合理;基于理论气动力的载荷随机动飞行过程的变化趋势有可能与基于试验气动力的载荷变化趋势不一致.      

宽带LFM信号的线性度测量

介绍了一种采用微波延迟线鉴相的方法对宽带LFM信号的线性度进行测量的装置。在该装置中,使用光纤、电缆实现微波延时,在小波变换的基础上采用相位建模以提高瞬时频率的测频准确度,根据线性调频信号的调频形式建立数学模型,得出了线性度的数学表达式。     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

MEMS陀螺仪随机误差滤波

针对微机电系统(MEMS,Micro Electromechanical System)陀螺仪的随机漂移,基于小波多尺度分析,利用bior1.5小波对陀螺仪的随机漂移进行深度为4的分解,重建各尺度信号,采用时间序列方法对陀螺仪各尺度随机漂移进行建模,与传统时间序列方法建模相比,降低了模型的预测误差.并构建了模糊自适应Kalman滤波,利用模糊控制方法基于残差均值与方差差值对噪声方差阵进行实时调整,提高对重建后的各尺度信号随机噪声滤波效果.通过一系列对比实验证明,基于多尺度分析的模糊自适应Kalman滤波对于消除MEMS陀螺仪随机漂移误差作用明显.通过Allan方差分析,滤波后的数据各随机误差项均得到有效减小.     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

CFM56-7B发动机点火系统故障及处理方案分析

发动机点火系统故障会导致航班延误,本文从分析发动机点火系统结构入手,提出了排故思路,并列举了三个典型故障案例,为类似发动机点火系统的排故提供参考。     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,通过对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果。     

小波变换数值均匀化方法求解振荡系数的方程

将小波数值均匀化方法用于求解二维快速振荡系数的抛物型方程.小波数值均匀化方法基于小波的多分辨分析,在细尺度空间上得到原方程的半离散方程,然后利用小波映射得到粗尺度空间的数值均匀化方程,即可在粗尺度上求解原方程,有效地减小了计算量.计算结果表明:小波数值均匀化方法与精细剖分的有限差分法相比较,既大大地节省了计算时间又获得了较好的精度.     

基于正交小波变换的动态系统的故障检测

利用正交小波变换在时-频域均有良好局部化的品质,提出了一种对动态系统故障诊断中非平稳信号进行分析与处理的方法.仿真结果表明,该方法不仅使测试结果更加精确,而且便于进行快速的故障诊断.     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题,为进一步提高故障诊断准 确率,提出了基于小波变换和粒子群优化(Particle swarm optimization,PSO)支持向量机 (Support vector machine,SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析,然后通过小波分解计算分形维数,再利用核主元分析（Kernel pri ncipal component analysis,KPCA）降低特征值维数,实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证, 获取了较高的故障诊断准确率,与其他方法进行比较,实验结果显示了本文方法的优越性。