模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。     

基于SAR子孔径图像的浅海水下地形探测

沿海地区水下地形的精确测量是人类开展海洋活动的关键,合成孔径雷达（SAR）为浅海地形的探测提供了一种新的手段,其中TerraSAR-X 的聚束模式以较长的积分时间得到高分辨率的 SAR 数据,从而能较为精确地反演浅海的海底地形。传统 SAR 图像水下地形探测基于波周期不变的假设,这不仅需要已知初始水深求解波周期,还给探测结果带来一定误差。本文提出一种基于子孔径图像的水下地形探测方法,将一景SAR图像分解成多景时间间隔固定的子孔径图像,利用子孔径图像间的时间间隔,求解不断变化的波周期,从而获得更加精确的水下地形。使用在海南蜈支洲岛的 TerraSAR-X 数据验证了此方法的可行性,将此方法反演得到的结果与GEBCO数据进行比较,发现两者吻合较好（MAE为2.8 m,MRE为23.91%）,证明了此方法在浅海反演水深的巨大潜力。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

基于MED和LMD的自动倾斜器轴承广义Shannon熵谱分析

针对轴承信号微弱故障特征易被强背景噪声淹没的问题,提出采用最小熵反褶积,通过逆滤波器最优化设计,对目标信号进行降噪处理,其峭度值提高了约3.8倍,增强了信号的微弱故障特征;针对非平稳非线性信号频率成分复杂难以解调的问题,提出采用局部均值分解(LMD)和峭度-相关系数筛选准则,其可对非平稳非线性信号进行自适应分解和最优重构,提高了信号的信噪比;针对信号耦合调制及边频突出的问题,通过引入广义Shannon熵进行包络谱带内降噪处理,信号一阶故障特征调制频率与故障特征频率的幅度比降低了24%~43%。通过实验室信号及某型直升机自动倾斜器轴承故障诊断地面试验的分析结果验证了该方法的合理性和可行性。      

基于序列工作点的航空发动机过渡态气路分析参数选择研究

为了降低由多工作点分析(MOPA)方法的平均效应所产生的气路分析(GPA)系统误差,提出了基于航空发动机过渡工作过程的序列工作点分析(SOPA)技术,并以此为基础提出了一种系统的气路分析参数选择方法。该方法利用连续小波变换对时间信号的增强解析能力,提取待求健康参数在备选测量传感器上的参数特征,实现了在传感器安装受限条件下必要测量参数的选择。通过对SOPA子系统矩阵进行奇异值分解(SVD),获得了在过渡工作过程中不同时间片段上的健康参数可辨识性。针对大涵道比双轴分排涡扇发动机的参数分析结果表明:通过对待求健康参数的敏感性输出信号进行小波分析所确定的最简传感器布局,具备对全部待求健康参数的可辨识性;而以时间片段矩阵的条件数作为判据评估SOPA子系统的参数辨识能力,能够有效地确定具有高可靠性的SOPA时间片段位置,保证了对发动机气路部件健康状态的估计精度。     

POD-BPNN预测模型及结冰条件不确定性量化

当前,数值模拟作为研究飞机结冰的主要手段之一,在计算结冰冰形时会引入大量参数不确定性,并影响数值模拟的精度和可信度。发展不确定性量化方法,科学量化这种不确定性对评估数值模拟结果具有重要意义。针对传统参数不确定性量化方法难以解决高维输入到输出的问题,基于本征正交分解和误差反向传播神经网络,提出了一种结冰冰形预测代理模型。以水滴中值粒径和温度为例,验证了代理模型单输入参数和双输入参数情况下的精度和泛化能力。最后,在代理模型计算的冰形基础上,结合蒙特卡洛采样,利用2σ准则确定结冰范围,发现水滴中值粒径不确定性主要影响明冰的冰角生长,而温度和水滴中值粒径不确定性的叠加主要作用于霜冰厚度。该研究为后续多结冰条件的影响分析和多维输入到输出的不确定性量化提供了思路。     

二次约束优化方法在结构动力模型修正中的应用

将二次约束优化方法应用于结构动力模型修正问题中.该方法将模型修正问题转化为一个带二次约束的最优化问题.应用奇异值分解,给出了结构模型修正的数值方法,并进行了数值实验.通过与其他方法比较,本文提出的方法是有效的.     

一种小波变换图象无失真编码方案

提出一种基于小波变换的图象数据无失真压缩编码方法,基本思路是利用小波变换实现图象的多分辨率分解,然后再对变换后的小波图象进行动态Ｈｕｆｆｍ ａｎ 编码,从而在不影响整个系统运行深度的前提下,最终实现压缩比较大的图象无失真压缩编码。     

遥感图象的半正交小波变换及数据压缩

本文利用Ｂ样函数构造半正交小波基，并利用对偶系设计了具有严格线性相位和精确重建特性的ＦＩＲ滤波器组，将其应用于遥感图象的数据压缩，取得了良好的成果