基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

PCA在雷达目标识别中的应用研究

研究了宽带高分辨雷达目标识别中的特征压缩问题.首先提取目标一维距离像双谱特征,然后应用主元分析法(PCA)降低目标特征维数,最后利用支持向量机对3类实测目标数据进行识别.实验结果表明,对雷达目标识别来讲,PCA是一种可行的特征压缩方法.     

基于信息可信度的空中目标识别方法

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一.将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计.该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性.     

基于RCS观测序列的空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于RCS观测序列的空间目标识别算法.该算法首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别空间目标.应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果.     

强电磁脉冲下柴油发动机系统薄弱环节识别

为识别强电磁脉冲环境下柴油发动机系统的薄弱环节,提出了一种加权故障树和分层贝叶斯网络相结合的柴油发动机系统薄弱环节识别方法。该方法综合考虑同层单元失效的相关性,加权故障树的局部应用解决了部分条件转移概率表不易获取问题。运用贝叶斯网络双向推理功能,首先,通过柴油发动机辐照试验和电磁仿真软件获得的各部件敏感度阈值及电磁应力数据,计算出强电磁脉冲下部件级到系统级的先验失效概率;然后,依据贝叶斯概率公式计算在发动机失效条件下各部件故障的后验概率,并排序以识别其薄弱环节,为电磁防护方案的设计提供参考和建议。以宽带高功率微波(WBHPM)辐照为例,说明了柴油发动机系统分层贝叶斯网络故障模型参数获取与概率计算过程。结果表明:执行器和凸轮轴位置传感器、曲轴位置传感器既为柴油发动机系统的重要部件,也为较薄弱环节,是需要重点防护的对象。      

浅谈故障模式影响分析在维修工程分析技术体系中的应用

阐述了故障模式影响分析的简要内容,介绍了基于S3000L的维修工程分析技术体系及FMEA在S3000L中的应用,为民用飞机维修工程分析技术体系提供技术支持。     

飞机减速伞抛不掉故障分析

根据飞机减速伞抛放系统工作原理,对减速伞抛不掉故障进行验证和试验,从原理上分析故障产生的可能原因,并提出了相应的解决措施。     

CFM56-5B发动机振动监控系统原理及应用

发动机N1、N2转子的振动值作为发动机运行、监控的重要参数,为发动机运行过程中提前发现潜在故障提供重要参考。本文从发动机振动指示的原理、发动机状态监控、典型故障分析三个方向,全面解读发动机振动监控系统。