基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于最小二乘估计的雷达系统误差卫星标定方法

雷达系统误差标定对精密测量雷达系统精度具有重要作用.本文针对基于精轨卫星的雷达系统误差参数标定技术,建立误差参数解算数学模型,对关键算法的最小二乘估计进行分析推导,并对卫星标定技术实现进行了系统设计.采用本文算法,依据某雷达常规手段实测的系统误差参数项进行仿真及仿真结果分析.研究结果表明,基于最小二乘估计的方法在卫星标定技术中是可行的.     

一种WSN虚拟多路径可靠路由协议

针对无线传感器网络中的数据传输不可靠问题,提出虚拟多路径路由协议,该协议将路由优化和数据传输结合在一起,按需建立可行路径集合,在数据传输的过程中实时采集分组的累计传输次数,通过对累计传输次数均值的区间估计,评估各路径的质量,识别并淘汰质量显著低的路径,根据网络实时链路质量动态的进行路由优化.在NS2平台上进行仿真,结果表明该协议能够适应带宽资源紧缺、链路不可靠且动态变化的无线传感器网络,在能量效率、分组递交率方面优于典型的路由优化和使用相分离的协议AODV_ETX.     

某型无人机全机气动力数值计算

使用三维造型软件和计算流体力学软件对某型无人机进行了气动力数值模拟,得到小迎角范围内的升、阻力系数和力矩系数以及无人机表面的压力、密度和来流速度分布情况,同时,对该无人机进行了气动力的工程经验估算,并将估算结果与数值计算结果进行对比分析.研究表明,数值计算能够较好的模拟小尺度低速流场流动,对无人机的研制能起到重要的作用.计算结果为下一步无人机的气动外形优化设计提供了理论依据和重要参考.     

基于频偏校正的频率估计算法误差分析

介绍了基于频偏校正的频率估计算法原理,给出了算法在高斯白噪声背景下进行复正弦信号频率估计的标准差计算公式.在采样点数为N的情况下,对m的取值进行优化,得到当m取最接近N/3的整数时,算法的标准差达到最小值.Monte Carlo仿真试验结果表明:m取最接近N/3的整数时,频偏校正算法的标准差小于比值法(加汉宁窗)和相位差法,且在偏离FFT(Fast Fourier Transforms)离散谱线的频率变化范围内比较平缓.当信噪比较大时,优化取值后的算法标准差比m取最接近N/2的整数时小,且更加逼近克拉美-劳下限.     

基于声发射非线性模型的损伤状态转变的评估

建立了声发射非线性模型来监测和评估16Mn钢试样在拉伸过程中的损伤状态的转变.首先,建立声发射突变模型,判断试样在拉伸过程中从弹性损伤状态转变为屈服损伤状态可能的时间点.然后,根据声发射参数的特点和突变量的变化,建立声发射突变复检模型,从而得到试样在拉伸过程中从弹性损伤状态转变为屈服损伤状态确切的时间点.试验结果表明:应用声发射非线性模型可以快速、预先预测出材料损伤状态的转变.     

基于小波域的图像椒盐噪声密度估计

提出一种基于小波域的椒盐噪声密度估计方法.利用图像信号在小波域的系数具有稳定近似的分布,以及噪声对小波系数影响的特点,定量地分析了含噪图像的系数幅值直方图与原始图像的系数幅值直方图之间的偏离程度随噪声密度的变化规律,揭示这种变化关系对图像具有强的鲁棒性,从而利用这种关系对噪声进行估计.仿真结果表明,相对于目前方法,提出算法性能更佳,能够获得更准确的估计值和更小的估计偏差.     

SAR图像中动目标自聚焦检测的方法改进

构造了各聚焦图像块的对比图像块,对比图像块内的静止背景与聚焦图像块内的静止背景图像保持同步变化,它们的锐度始终相等,而对比图像块内的动目标与聚焦图像块内的动目标图像有很大差异,以聚焦图像块与对比图像块锐度比检测动目标,可排除静止背景锐度下降的影响,提高检测性能。实测数据表明该算法有效。     

基于随机截尾数据下Weibull分布的参数极大似然估计与应用

对服从Weibull分布的随机截尾数据建立似然方程,给出形状参数和尺度参数的极大似然估计,通过参数极大似然估计对火箭发动机试车试验数据进行了可靠性评估分析,算例得到的形状参数估计值与实际工程应用的经验估计值十分接近。     

基于单目视觉的室内微型飞行器位姿估计与环境构建

针对微型飞行器(Micro air vehicle,MAV)在室内飞行过程中无法获得GPS信号,而微型惯性单元(Inertial measurement unit,IMU)的陀螺仪和加速度计随机漂移误差较大,提出一种利用单目视觉估计微型飞行器位姿并构建室内环境的方法。在机载单目摄像机拍摄的序列图像中引入一种基于生物视觉的方法获得匹配特征点,并由五点算法获得帧间摄像机运动参数和特征点位置参数的初始解;利用平面关系将特征点的位置信息由三维降低到二维,给出一种局部优化方法求解摄像机运动参数和特征点位置参数的最大似然估计,提高位姿估计和环境构建的精度。最后通过扩展卡尔曼滤波方法融合IMU传感器和单目视觉测量信息解算出微型飞行器的位姿。实验结果表明,该方法能够实时可靠地估计微型飞行器的位置和姿态,构建的环境信息满足导航需求,适用于微型飞行器室内环境中的导航控制。