飞机结构健康监控中的信息处理技术

在今年本刊第三期刊登的《飞机结构健康监控中的信息获取技术》中,详细介绍了结构健康系统中信息获取的各种手段和途径,本文主要介绍通过上述途径获得信息之后的处理技术,这些信息处理技术可以剔除与结构健康状态无关的干扰信号,并对能反映结构的损伤状态的信号进行压缩、提炼、转化,使之成为有用的信号以确定结构的健康状态,并对结构健康监控系统做出了展望。     

复杂电磁环境下频谱智能管控技术探讨

作为国土空间的重要组成,电磁频谱空间呈现出环境错综复杂、目标类型多样、用频行为多变等新挑战,导致频谱安全问题日益严峻。面向复杂电磁环境下频谱秩序安全、频谱对抗安全和频谱共享安全等需求,基于人工智能的频谱管控成为电磁频谱领域的重要研究方向,存在着具有挑战性的基础理论问题和关键技术难题。首先,调研了复杂电磁环境下频谱智能管控的国家战略需求,然后,提炼了智能频谱管控的科学意义与技术挑战,进一步从频谱管控模型机理、频谱态势感知、频谱行为推理、频谱安全决策和频谱管控应用系统等5个方面梳理国内外研究现状,并分析了相关发展动态及研究趋势。     

基于电饱和模型的裂纹端部应力场分析

在非线性电弹性理论构架内,采用电饱和条带模型和复变函数方法,探讨了远场均匀载荷作用下无限大压电介质中裂尖附近的应力场,主要关注裂尖附近的应力场。所得解表明,裂尖附近任意一点处的各规格化应力分量均仅由这一点的角度决定,而与该点到坐标原点的距离无关。最后,基于PZT-5H的数值结果对其裂尖附近各面内的应力分量进行了分析,与相关研究结果比较,本文方法得到的解是有效的。     

Beamlet变换提取线特征的改进算法

文章首先利用二进方块中Beamlet基的对称、平行等几何性质对离散Beamlet基进行分类;然后通过定义一个新的二进方块统计量和建立一个新的能量函数,对Beamlet变换方法中利用BD-RDP提取线特征的算法进行改进.通过实验对比,该算法进一步减少了运算量,提高了线特征提取的速度,且对复杂结构图像中的线特征提取效果更为清晰.     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

射线跟踪法的改进及其应用

研究复杂组合体目标后向散射场问题，并对射线跟踪法的典型算法进行改进，以提高计算精度和运算速度。推导精确的积分公式，用典型体目标对改进的算法进行验证，进而计算复杂组合体目标的后向散射场。矩形截面直进气道的计算结果不仅比学者Hao Ling的计算结果更为精确，而且计算速度提高了两倍。三面角反射器的计算结果与实验结果基本吻合。最后，计算了某型航母甲板上复杂目标组合体目标的RCS，并与近似法和像素法的计算结果进行了比较分析。     

谐波信号的通用频谱校正算法在回转机械监测中的应用

分析了常规FFT谱由于能量泄漏和栅栏效应,不能获得简谐振动信号精确幅值、频率和相位的原因。针对现有校正频谱方法的不足,提出了基于黄金分割的通用频谱校正算法。经仿真实例验证,该方法具有计算量小、校正精度高、适应面广的特性。经过回转机械启动实例分析,该方法能得到准确的临界转速、升速曲线和幅频响应曲线,为回转机械的瞬态行为分析提供了新的手段。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。