固体火箭发动机水下试验的数据处理方法研究

针对固体火箭发动机水下试验数据参数变化剧烈、信号严重混迭及难以分辨的问题,提出了一种基于小波变换的软阈值去噪法,完成了固体火箭发动机水下试验推力数据的分析和处理.与传统数据处理方法对比分析表明:该方法可以将动态数据分解为反映过程“低频”特性的近似分量和反映“高频”特性的细节分量,便于对发动机性能进行分析;在去除试验数据干扰的同时保留了试验数据自身的变化特征,满足了工程应用对固体火箭发动机水下试验数据处理的要求.     

雷电地面电场分布的3维 DBM模型仿真参数影响分析

采用荷电圆盘雷云解析模型作激励源,利用电介质击穿模型进行了地闪先导放电高分辨力3维数值模拟,得到了先导近地500 m时概率指数和击穿发展阈值对地面电场分布的影响。通过计算机模拟,得到了概率指数η和击穿阈值Ecrit对地面电场分布的影响,同时也验证了这2个参数对建立放电模型的重要性,为通过这一模型进行任意雷电发生时的地面电场分布模拟奠定了基础。     

一种因果故障诊断方法的故障源候选集排序方法研究

对Bandekar提出的一种因果故障诊断方法,在因果关系图的基础上利用模糊阈值及模糊评判矩阵,提出了一种能够利用故障概率,对故障源候选集进行排序的方法。该方法有利于故障定位,可提高故障诊断速度,同时还使诊断结果对噪声及参数选择具有鲁棒性。     

一种改进阈值法陀螺信号消噪的研究

在光纤陀螺输出信号时,使用小波包消噪法可以在各尺度上更加细致地对噪声进行抑制.这里分步估计陀螺信号中白噪声和分形噪声的强度,根据各尺度噪声强度对各层阈值进行自适应调节,并提出一种连续的阈值量化函数,克服以往软、硬阈值函数存在的不足.仿真结果证明,与通用阈值消噪法相比,新阈值法能更好地去除随机噪声,对于不同信噪比信号均表现出较好的性能.     

基于认知无线电的GEO与LEO卫星频谱共存

随着新的宽带多媒体业务的发展,宽带无线频谱的需求日益增长.同时,低轨道(LEO)卫星由于其传输损耗低、传播时延小而被大规模部署.为了更好地利用频谱资源,卫星通信系统普遍采用高轨道(GEO)卫星与LEO卫星频谱共存的方案来提高频谱利用率.在频谱共存的过程中,提出了一种基于动态阈值的能量检测与波束跳跃相结合的算法,以减小L...     

基于退化失效阈值可能性分布的可靠性建模

针对随机失效阈值下的退化可靠性分析问题,利用可能性分布表征失效阈值中的不确定性,提出了一种退化失效建模的可靠性分析方法,解决了预测模型中不确定性的传递问题。通过陀螺仪剩余寿命预测的案例研究,阐明了文中方法的有效性。     

基于阈值的激光雷达K均值聚类算法

针对同一距离不同目标的激光雷达全波形回波数据聚类准确率低的问题,在分析K均值聚类算法原理的基础上,提出了一种基于阈值的K均值聚类算法。首先,利用强度信息对距离信息进行标定,使用强度信息作为特征进行聚类以区分同距离的不同目标。然后,利用阈值限定聚类中心间的最小距离,提高聚类准确率。最后,搭建了扫描验证平台进行平移和旋转成像,对算法有效性进行验证。通过不同颜色目标和模拟道路回波数据聚类实验表明,在不同阈值的情况下,提出的基于阈值的K均值聚类算法的聚类准确率均在90%以上,相比于无阈值的K均值聚类算法准确率提升10%以上,能够有效进行目标聚类和模拟道路提取。      

两阶段变阈值关联竞争退化建模

机电产品在使用过程中,存在磨损退化失效和环境引起的冲击失效。通常认为自身退化与冲击失效是相互独立的或存在冲击造成自身退化突增的局部关联现象。本文考虑冲击会影响退化过程,同时退化也会影响冲击,当自身退化量达到一定值后不仅会影响冲击失效的失效率,还会使产品冲击失效阈值降低,造成产品的抗冲击能力下降,使产品的冲击失效过程呈现两阶段现象,在自身退化与冲击失效相互关联相互竞争的情况下,建立了失效率与失效阈值改变的可靠性模型,解决了传统竞争退化建模考虑因素不完整的问题。      

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。      

基于自回归模型的自适应阈值算法

提出一种基于自回归模型的自适应阈值检测算法用于监测液体火箭发动机地面试验的稳态过程,该算法由两个阶段组成。第一阶段的检测算法阈值由不同试车台次的稳态参数测量值的自回归模型的估计值、标准偏差和带宽系数计算,第二阶段的检测算法阈值由稳态过程的参数均值的自回归模型的估计值、标准偏差和带宽系数计算。用某大型液体火箭发动机的地面试验数据进行验证,结果表明该算法能有效可靠地监测发动机的运行状态。