基于非抽取小波包变换的信号滤波算法

对航天测控信号进行滤波处理,有利于改善信号品质,提高系统的测量性能。针对航天测控信号中的差分单程测距(DifferentialOne-wayRanging, DOR)信标信号等侧音信号,提出了基于非抽取小波包变换（Un-decimatedWaveletPacketTransform,UWPT）的滤波改进算法。该算法以功率平坦度为准则,判断某一节点是否需要继续分解。改进算法克服了以能量聚焦度为准则时算法误判停止分解或多重分解算法复杂、计算量大等的缺点,同时解决了阈值不易确定的问题。仿真结果表明改进算法在降低算法复杂度的同时,滤波性能相对有所提高。最后采用改进算法对仿真信号和在轨卫星数据进行处理,结果表明滤波后仿真信号差分相位估计精度提高约3倍、实测数据差分相位估计精度提高0.72倍。     

一种电磁层析图像快速重建算法

针对电磁层析成像（EMT）逆问题中,灵敏度矩阵的病态性、不适定性等问题,提出了一种新的电磁层析图像快速重建算法。利用主成分分析（PCA）对灵敏度矩阵做降维映射,再利用奇异值分解（SVD）求广义逆矩阵,重建图像。在选取灵敏度矩阵的协方差矩阵的特征值个数中,利用灵敏度矩阵特有的多样本特性,提出图像相关系数最大化算法,更加合理地去除灵敏度矩阵中的冗余信息,在尽可能不丢失成像特征信息的条件下,提高了解稳定性。实际采集数据成像时,该算法只需一次矩阵乘法运算,为快速实时成像提供了可能。与传统单步算法和迭代算法相比,该算法在成像质量和速度上都有较明显优势。      

应力与强度相关条件下产品可靠度的Bayes估计

在应力与强度相关条件下,且应力与强度作为二维随机变量服从正态分布时,对于产品的可靠度,本文给出了它的Bayes估计。     

镍基高温合金疲劳-蠕变寿命预测的临界面损伤方法

采用临界面损伤方法并耦合疲劳-蠕变寿命模型,通过适当的技术改进,分别对某型航空发动机650℃条件下涡轮盘用材料ZSGH4169高温合金和980℃条件下涡轮转子叶片用材料DZ125定向凝固高温合金的疲劳-蠕变寿命进行预测,并分别比较以W_(alls),C_(cb),S_(wt),G_(lk),和Fin为参数的五种寿命模型的预测精度。算例的计算结果表明:对于ZSGH4169高温合金,以Walls临界损伤平面为参数的寿命模型预测效果较好,预测的结果与实验值相比基本落在±3倍分散带以内;而对于DZ125高温合金而言,以G_(lk)临界损伤平面为参数的寿命模型预测效果较好,预测的结果与实验值相比基本落在±2.5倍分散带以内。     

相关系数ARMA(p,q)序列分析方法

本文提出相关系数ARMA(p,q)序列分析方法。相关系数ARMA(p,q)序列是从非平稳序列中分离出的一类工程上常见且便于研究的时间序列,在模式识别、故障诊断、信号处理、自动控制和结构响应分析等领域有着广泛的应用。传统的相关函数ARMA(p,q)序列仅是它的一个特例。文中建立了相关系数ARMA(p,q)序列的条件极大似然估计和精确极大似然估计,前者在样本较大时简单便于工程应用,后者则在样本较小时仍具有较高的精度,它们通过时域的全程分析,充分利用样本信息确定相关系数ARMA(p,q)序列的均值函数、方差函数和相关系数函数。在此基础上可进行高精度的频谱分析。     

非等间距相关系数平稳序列分析方法

工程实际中由于数据缺损或受测试条件所限,常常得到非等间距的时间序列。而传统的时序分析方法只适用于等间距采样的数据,目前工程上对这类问题通常采用插值等近似处理方法,这往往导致较大误差。本文提出非等间距相关系数平稳序列的概念,建立了非等间距相关系数平稳序列自回归模型,给出了非等间距相关系数AR(p)序列的精确极大似然估计和条件极大似然估计,能够高精度地确定非等间距序列的均值函数、方差函数和相关系数函数。      

非等间距相关系数AR(p)序列预测方法

针对非等间距时间序列预测中存在误差较大的问题,本文建立了非等间距相关系数AR(p)序列预测方法,详细讨论了非等间距相关系数AR(1)序列和AR(2)序列的预测公式和误差估计。大量计算表明,本文方法与通过插值将非等间距序列变换为等间距序列进行预测的传统方法相比,具有更高的预测精度。      

多维相关系数平稳序列分析方法

相关系数平稳序列是从非平稳随机序列中分离出来的一类工程上常见且又便于研究的一类时间序列,其均值和方差都可随时间变化,因此,与传统平稳过程相比,它能更好地描述工程中的时间序列.在相关系数平稳过程的基础上,给出多维相关系数平稳过程的定义,建立了新的多维相关系数序列的理论和方法,给出了多维相关系数序列的极大似然估计.通过对时域的全程分析,能够充分利用样本信息对相关系数序列的均值函数,协方差矩阵函数和相关系数矩阵函数进行估计.在此基础上,对多维相关系数平稳序列进行高精度的频谱分析.     

基于D-S证据融合的压气机气动失稳检测

为了研究高速多级轴流压气机中复杂气动失稳现象的检测问题,提出了一种基于D-S (Dempster-Shafer) 证据融合的通用型检测算法。在时域中,采用短时能量表达气动失稳过程中动态压力的脉动幅值特征;在频域中,选择频谱相关系数表达信号频谱变化的特征。将这两种信号特征分别作为气动失稳现象的证据。根据统计规律设计了各证据的mass分配函数。采用Dempster合成规则计算联合证据的mass函数。通过分别比较单一证据及联合证据的mass函数值与其门限值,判决压气机处于气动失稳、失速、喘振或正常状态。进一步地,将该方法扩展为气动失稳检测的多传感器融合模型。该方法计算量小,适用于在线检测系统。采用压气机台架试验实测数据验证,可在气动失稳数毫秒内发出报警信号。     

基于加速度频响函数小波分解的模型修正方法

为提高模型修正效率，满足修正方法对于实测环境噪声的鲁棒性，将Kriging模型和小波分解引入加速度频响函数模型修正。首先，将加速度频响函数进行小波分解，用得到的第1层幅值较大的小波系数来表征原频响函数。其次，采用拉丁超立方抽样对初选待修正参数进行设计，根据设计结果对各参数进行灵敏度分析，从而确定模型修正的待修正参数，以待修正参数作为Kriging模型输入，所对应的小波系数作为Kriging模型输出，通过混合灰狼算法寻得最优Kriging模型相关系数，建立精确有效的Kriging模型。最后，以目标加速度频响函数小波分解的小波系数与Kriging模型输出的小波系数差值最小为目标，通过水循环算法求解模型待修正参数。数值算例表明，所提模型修正方法具有良好的修正效果，即使在加速度频响函数中加入信噪比为5 dB的高斯白噪声时，修正误差也低于4%，证明了该方法对于随机噪声的鲁棒性。