基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

一种基于SNM降阶技术的整体叶盘结构失谐识别方法研究

本文以谐调叶盘有限元模型解析模态和失谐系统的实验测量模态作为基础信息,提出了一种整体叶盘结构失谐识别方法。该方法基于SNM降阶技术,大大降低了识别过程的计算花费以及对基础信息的要求;采用了子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,有效的限制了测量噪声、非线性等因素对识别过程的影响。最后以一个真实叶盘结构的数值仿真分析证明了该方法的正确及有效性。     

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

基于转角振型曲率的损伤识别

利用中心差分法求取振型曲率,用损伤前后同一位置的振型曲率变化来作为结构损伤的识别指标。采用有限元方法,通过数值仿真对不同位置发生损伤的悬臂梁进行分析,利用构造的的损伤指标对结构损伤情况进行识别研究。在前人的研究基础上,特别提出了利用角度位移振型曲率变化来识别损伤。仿真算例表明:利用角度位移振型比平动位移振型识别损伤的效果更好、精度更高。     

基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。     

航空管制物质的分类识别方法探讨

由于缺乏标准的分类和识别方法,航空管制物质易被当作普通货物进入航空运输环节,给航空运输带来安全隐患.通过分析航空管制物质的定义,确定影响此类物质分类的危害性,包括麻醉性、催泪性质、恶臭性质、急性毒性(经口、经皮肤、吸入)、严重眼损伤或眼刺激、呼吸或皮肤敏化作用、特定目标器官毒性、吸入危害性等;在全球化学品统一分类和标签制度中健康危害分类评估指导原则的基础上,建立统一的航空管制物质的分层式分类程序,并给出识别方法和标准、数据来源及其处理方式;归纳总结航空管制物质的种类,并以两个恶臭物质为例讨论分类识别过程.结果表明:本文提出的航空管制物质的分类程序和识别方法能够很好地指导航空管制物质的分类识别工作,对保障航空运输安全和防恐工作具有重要意义.     

基于动态贝叶斯的反舰导弹弹型识别

使用反舰导弹对舰艇进行饱和攻击是当前对舰攻击的主要方式。首先,提出了动态贝叶斯网络(DBN)的理论及算法;其次,根据反舰导弹的高度、速度、过载、机动方式等弹道特性和RCS、雷达频率等导弹自身特性,建立了对反舰导弹进行弹型识别的DBN模型;最后,通过仿真算例验证了DBN模型的有效性,这为实际解决反舰导弹进行弹型识别的问题,提供了一种思路。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

基于结构动力学特性的损伤识别方法

基于等效模态应变/动能理论,提出了一种利用实际结构的测试数据识别结构中损伤位置的方法。在此基础上,研究了利用模型修正技术识别结构中损伤强度的方法。分别以一个单损伤平板结构和多损伤平板结构为例,通过仿真分析了以上方法的有效性。结果表明,以上方法可以有效识别结构中的损伤位置和损伤强度。