基于多层感知机的密封继电器PIND信号识别

设计了一套航天密封继电器信号识别方法，基于微粒碰撞噪声检测(PIND)法，通过对信号的时域及频域的特征分析选取了多个具有代表性的特征。运用了机器学习方法，采用多层感知机并对其进行超参数寻优，找到了最优的超参数组合。对信号进行处理分析来判断密封继电器内是否存在多余物。提高了分类的准确率，同时也提高了模型的整体性能。     

Integration of artificial intelligence with meta classifiers for the gully erosion susceptibility assessment in Hinglo river basin,Eastern India

The main aim of this study is to evaluate the gully erosion susceptibility coupling the artificial intelligence and machine learning ensemble approaches. In the present study, the multilayer perceptron neural network (MLP) was used as the base classifier and the hybrid ensemble machine learning methods i.e. Bagging and Dagging were used as the functional classifiers. The Hinglo river basin, an important tributary of the Ajay River was selected as the study area, consists with the parts of Chhotonagpur plateau and Rarh lateritic region. The study area is facing the gully erosion problems which are interrupted the growth of the agriculture. The gully erosion susceptibility maps (GESMs), prepared by MLP, MLP-Bagging and MLP-Dagging were classified into four classes such as low, moderate, high and very high susceptibility classes with the help of natural break method (NBM) in GIS environment. The very high susceptibility class covered 19.41% (MLP), 13.52% (MLP-Bagging) and 15.30% (MLP-Dagging) areas of the basin. For the evaluation and comparison of the models, receiver operating characteristics (ROC), accuracy, mean absolute error (MAE) and root mean square error (RMSE) were applied. Overall, all the gully erosion susceptibility models were performed as excellent. Integration of hybrid ensemble models with MLP has increase the accuracy of the MLP models. Among these models MLP-Dagging has achieved the highest accuracy in compare to the other models. The importance of the selected factors in the present study was assessed by the Relief-F method. The results show that the soil type factor has the highest predictive performance. Sensitivity analysis also showed soil type as most important factor. The gully erosion susceptibility maps (GESMs) are considered as the efficient tool which could be used to take the necessary steps for mitigating and controlling the soil erosion problem and sustainable environmental management and development.     

三种用于加工特征识别的神经网络方法综述

加工特征自动识别技术是智能化设计与制造的关键支撑，已有的实用性算法普遍存在学习能力差、识别范围有限和识别速度慢等共性问题。神经网络方法在计算机视觉和模式识别领域获得了巨大成功，其自学习与自适应能力和高速计算等优势也已在加工特征识别中得到初步的展现。对加工特征识别中具有应用潜力的三种不同的神经网络方法进行了研究，剖析了神经网络识别加工特征中的预处理与编码和神经网络结构设计等关键性问题，分析了不同神经网络方法的异同点，总结了当前神经网络识别加工特征的发展方向，为相关领域的研究提供一定的理论指导与技术支持。     

一种基于多重互相关的相位差测量新方法

本文研究了一种新的相位差测量原理,利用正弦信号的特性,直接对两路同频的正弦信号进行互相关运算,得到两路信号的互相关函数,同时保存两路信号的相位差信息,并多次对两路互相关函数进行互相关运算得到多重互相关函数,再利用相关原理对两路信号的多重互相关函数进行求解相位差信息。同时讨论了AD量化位数,信噪比,采样点数,谐波含量对本文算法的影响,实验结果表明本文算法能有效的提取两路同频正弦信号的相位差信息,算法简单,物理意义明确,具有一定的应用价值。特别适合与低信噪比或负信噪比下高精度的测量,并有很高的测量精度。     

多层烧结金属丝网在风洞中的应用

在跨超声速风洞中常采用在稳定段上游安装阻性消声器或谐振腔式消声器来降低暂冲式风洞主回路的主调压阀门、引射器或连续式风洞的压缩机等驱动风洞的动力源所产生的气流噪声强度,达到抑制这些噪声下传影响风洞试验段流场动态品质的效果。随着技术的不断更新特别是降噪技术的不断发展,采用多层烧结金属丝网作为一种新型的消声装置代替原有消声器成为可能。针对这种新技术是否能达到降低风洞气流噪声强度的目的,开展了试验研究方法,通过引导性试验证明,采用多层烧结金属丝网的消声效果优于常规的消声器,且出口气流品质得到较大改善,湍流度大幅度降低,可将这一技术运用到某超声速风洞中。通过性能测试,达到了预期目的,拓展了风洞的降噪技术。     

一种基于多重相关法的相位差测量方法

研究了一种新的测量正弦信号相位差的方法,就是利用正弦信号的特殊性质,通过多次信号的自相关和互相关运算,能够检测信噪比很低的两路正弦信号之间的相位差,分别讨论了信号的信噪比,取样点数,A/ D的量化位数对测量结果的影响,并给出了具体的仿真结果。实验表明这种方法能有效的提取出被噪音严重污染的信号的相位差,而且算法简单,物理意义明确,精度却可以满足工程的要求。     

一种基于双通道弱正弦信号频率检测新方法

针对传统的基于自相关法的弱正弦信号频率测量中存在准确度不高的问题,本文研究了一种新的检测微弱正弦信号频率的方法,利用正弦信号的特性,通过双通道采集微弱信号,利用多重自相关和互相关原理,结合四点式频率估计和多点绝对值补偿,有效地检测了微弱信号的频率,并与传统的单通道自相关频率检测原理做了对比,结果表明本文的算法准确度更高、算法简单、实用性较强。     

基于多重相关法的正弦信号初相检测方法

分析了基于多重相关法的微弱正弦信号检测理论,并提出了一种新的正弦信号初相检测新方法。通过对原始信号进行多重自相关运算得到信噪比高,初相为零的参考信号,对参考信号和原始信号做互相关运算和自相关运算,通过解析求解即可提取原始正弦信号的初相信息,不需要知道原始正弦信号频率及幅度,尤其适合低信噪比下未知频率的正弦信号的初相估计,算法简单,准确度可以满足工程要求,具有一定的实用价值。     

基于发动机高模试车的高温隔热屏热模型修正技术

与常压环境地面试车相比,发动机高空模拟试车的热源分布更接近于实际飞行工况,本文通过搭载高模试车验证了高温隔热屏设计的正确性。通过考虑高温隔热屏层间气体导热和接触导热等,对高温隔热屏的传热模型进行了修正,其计算结果与高空模拟试车搭载试验结果的误差较小。在考虑真空引射背景红外辐射以及真空舱内气体与发动机及隔热屏的导热后,利用修订的高温隔热屏的当量热导率,进行了上面级高空模拟整机热分析,进一步提升了热模型的分析精度。     

基于多层感知机的远距离水下声源定位技术研究

针对传统匹配场处理方法存在水下声源远距离定位失准以及定位时间过长的问题，提出了一种基于多层感知机的水下声源被动定位方案。利用团队自研的“浮星”浮标实测的剖面数据模拟真实海洋环境，并在水中布设垂直水听器阵，仿真大量不同位置的声源在水听器处产生的接收数据。将多通道波形数据直接作为输入对多层感知机网络进行训练，从而获取高精度的定位神经网络。仿真结果表明，与匹配场处理算法相比，设计的感知机网络可以在大范围信噪比环境中实现有效的水下声源定位，其中在30dB信噪比下定位距离和深度的平均相对误差达到了1.94%和6.84%。另外，相对于失配声速剖面，使用平均声速剖面模拟的接收数据可提高网络的定位性能。