Walsh变换对冲击信号序列特征提取的研究

提出使用Walsh变换和小波包相结合的方法,对滚动轴承故障产生的冲击信号序列提取故障特征, 并给出了计算的有效算法. 对滚动轴承故障特征分析和计算表明,用改进小波包分解、重构公式能有效地剔除冲击信号序列中高频共振信号和噪声, 使用快速Walsh变换(FWT)求取其功率谱,优于Fourier变换,可很好地提取故障特征,仿真和实际数据计算的结果,证实了上述方法的有效性.      

复杂背景下单个运动物体的实时视觉追踪算法

介绍了一种完全基于图像信息的运动检测视觉追踪算法.该算法综合了已有的一些算法,并在他们的基础上进行改进,可以实现在摄像机运动不剧烈的情况下,对单个运动物体的追踪.由人工选取目标,计算机开始在第1帧和第2帧图像中提取特征点,并在两帧图像中对特征点进行匹配.利用匹配的特征点建立仿射运动模型,以估计背景的运动和预测目标位置.假设运动目标所占的像素面积很小,在预测点附近的一块小邻域内进行光流分割得到运动目标.该算法在640×480大小的两帧连续图片上验证,取得了较好的效果.在PC上的实验证明,设置适当的参数,本算法可以应用于12.5Hz或25Hz的图像采集频率.      

低速颤振模型的动力学特性设计

飞机在打样设计阶段除了需要满足结构强度和刚度要求外 ,还必须满足颤振稳定性要求。根据相似理论 ,并利用结构优化设计方法 ,对某机翼低速颤振吹风模型的动力特性 (模型的一阶弯曲、一阶扭转和二阶弯曲频率 )进行了设计。此方法改变了仅凭经验反复试凑的设计调参方法 ,提高了模型设计的效率 ,缩短了设计周期 ,具有良好的工程应用前景。     

现代航空英语构词特点及其发展趋向探析

探索了航空英语词汇的构成方式,分析了英语的基本构词特征,试图从构词法和词源的角度找出航空英语科技词汇的构词规律,总结并展望了科技英语词汇的5个特征及其发展趋向。     

一种改进的自组织特征映射算法

针对SOM算法用于训练生成矢量量化码书存在的不足，提出了一种基于频率敏感的自组织特征映射算法（FSOM）．并应用到图像矢量量化中。实验表明，与SOM算法相比。FSOM算法具有更好的聚类特性和峰峰信噪比（PSNR），是一种有效的码书设计算法。     

彩色车牌图像的多阈值分割方法

彩色图像的颜色是图像分析的重要特征信息,颜色特征的提取是图像分析的重要步骤,但彩色图像为多维空间信息且可能涉及的是多种颜色特征。文章介绍了采用多阈值分割方法,将多种感兴趣的颜色信息转化为灰度图像,在同一个灰度图像中对应多种彩色信息,对各种不同颜色信息方便处理。通过200幅实测车辆图像使用彩色图像的多阈值分割方法进行车牌定位试验,准确率为98%。     

多目标无源跟踪中的多特征模糊综合数据关联算法

提出了一种多目标无源跟踪中的数据关联算法———多特征模糊综合数据关联算法。首先基于目标特征关联因子模型,进行单跟踪门的多特征数据关联模糊评估,得到单跟踪门内的有效观测与真实目标的模糊关联程度,在此基础上,进行了多目标数据关联模糊综合评估,得到多目标整体模糊关联程度,最后进行多目标关联判决。由于该算法综合利用了目标更多的特征信息,所以比传统的NN方法有更好的关联性能,计算机仿真表明,它比NN方法的错误关联率约低15%。     

战术数字信息链路J报文的基本特性分析

初步探讨了战术数字信息链路J的报文所具有的基本特点,并对相关规则进行了详细介绍与分析。     

某型航空涡扇发动机静电传感器机载化监测实验

计了一种特定尺寸的静电传感器,并将其装配在涡扇发动机低压涡轮出口附近的尾喷管管壁,以民用涡扇发动机为静电传感器载体及监测对象开展静电监测实验.以一个完整性能试车过程为周期,采集周期内的尾气静电信号.进一步对静电信号和发动机性能参数进行数据对比分析,同时对测试过程中异常状态下活动率水平（AL）和负事件率（NER）进行计算.实验验证了航空发动机静电监测技术具备机载化的可行性,实验结果表明:正常状态下静电信号电压幅值大小约为5mV,静电水平跟随运行功率变化并呈正相关性;静电传感器对尾气中存在的异常颗粒具有良好的监测效果,在发动机富油状态下静电信号的活动率水平和负事件率分别达到14pC及8%.      

Impulse feature extraction method for machinery fault detection using fusion sparse coding and online dictionary learning

Impulse components in vibration signals are important fault features of complex machines. Sparse coding(SC) algorithm has been introduced as an impulse feature extraction method, but it could not guarantee a satisfactory performance in processing vibration signals with heavy background noises. In this paper, a method based on fusion sparse coding(FSC) and online dictionary learning is proposed to extract impulses efficiently. Firstly, fusion scheme of different sparse coding algorithms is presented to ensure higher reconstruction accuracy. Then, an improved online dictionary learning method using FSC scheme is established to obtain redundant dictionary and it can capture specific features of training samples and reconstruct the sparse approximation of vibration signals. Simulation shows that this method has a good performance in solving sparse coefficients and training redundant dictionary compared with other methods. Lastly, the proposed method is further applied to processing aircraft engine rotor vibration signals. Compared with other feature extraction approaches, our method can extract impulse features accurately and efficiently from heavy noisy vibration signal, which has significant supports for machinery fault detection and diagnosis.