基于退化量分布时序分析的产品寿命预测

针对现有性能退化预测方法采用单调回归函数对产品退化随机过程描述不够合理的问题,从产品在各时刻退化量分布角度出发,分析退化量分布参数估计的非平稳时序类型,并对各参数估计分别采用相应类型的非平稳时序分析方法建模,进而给出一种与实际退化随机过程更为相符的基于退化量分布的产品寿命及可靠度预测方法.通过对某电子产品的退化试验,采用所提出的寿命预测方法进行了该电子产品寿命及可靠度预测.结果表明该方法相比传统方法更符合实际.      

高斯非平稳机动目标波达角模型及跟踪

在实际的跟踪情况中,由于环境条件、目标反射截面等因素的变化,回波信号的功率会随时间变化,即不满足通常阵列信号处理中对高斯信号作平稳性的假设。针对复杂运动条件下高斯非平稳目标的跟踪问题,提出了一种新的机动目标波达角(DOA)模型。该模型全面地刻画了高斯非平稳机动目标的动态,并将目标的DOA和信号功率作为状态变量进行了联合考虑,同时运用虚拟阵列的表示方法构建了相应的观测方程。对于建立的新模型,最后采用无迹卡尔曼滤波(UKF)的框架完成了整个跟踪算法。分析和仿真结果表明,当高斯非平稳机动目标之间存在长时间相互接近的情况时,新方法仍然可以获得较好的跟踪性能。     

航天器非平稳振动环境TVAR时频分析(英文)

Predicting the time-varying auto-spectral density of a spacecraft in high-altitude orbits requires an accurate model for the non-stationary random vibration signals with densely spaced modal frequency. The traditional time-varying algorithm limits prediction accuracy, thus affecting a number of operational decisions. To solve this problem, a time-varying auto regressive （TVAR） model based on the process neural network （PNN） and the empirical mode decomposition （EMD） is proposed. The time-varying system is tracked on-line by establishing a time-varying parameter model, and then the relevant parameter spectrum is obtained. Firstly, the EMD method is utilized to decompose the signal into several intrinsic mode functions （IMFs）. Then for each IMF, the PNN is established and the time-varying auto-spectral density is obtained. Finally, the time-frequency distribution of the signals can be reconstructed by linear superposition. The simulation and the analytical results from an example demonstrate that this approach possesses simplicity, effectiveness, and feasibility, as well as higher frequency resolution.     

一种地空3D-Massive MIMO信道模型

为了研究地空3D-Massive MIMO系统信道特性,提出一种基于三维单跳同心圆环散射体的地空3D-Massive MIMO信道模型。相比传统地空3D MIMO信道模型有两方面改进,首先是建立了基于单跳圆环散射体3D几何精确位置关系的球面波天线阵元相位偏移模型,其次采用生灭过程对Massive MIMO阵列上的非平稳特性进行建模。推导了该模型的信道统计特征函数,通过对特征函数理论推导值与蒙特卡洛统计值进行仿真对比,验证了理论推导正确性。此外,对所提信道模型与基于平面波的传统地空3D MIMO信道模型的空间相关性进行了分析及仿真对比,结果表明:在远场环境下,两者基本一致;在近场环境下,传统平面波模型不再适用,两者存在差异。最后,对若干组表征信道特征的仿真结果与公开文献中地空信道实际测试数据进行对比分析。表明本模型作为普遍适用性模型,可以根据信道的测试条件、测试环境和测试结果来优化参数配置以趋近于实际信道,以对特定信道进行精确建模。     

基于功率谱密度法飞机地面变速滑跑动力学分析

提出了飞机地面变速滑跑的非稳态响应分析的新方法,该方法基于频域的功率谱密度法.建立了飞机地面滑跑的起落架分析模型;引入了概率平均意义上的当量线性化方法,用该方法处理了起落架缓冲器空气弹簧、油液阻尼和库仑摩擦力以及轮胎刚度和阻尼等非线性参数.利用变量代换和傅里叶变换导出了非稳态激励下的跑道不平度的功率谱密度函数.导出并分析了具有代表性的飞机重心过载的频率响应函数.工程算例表明,在达到相同的滑跑速度条件下,飞机加速滑跑引起的飞机重心过载响应比飞机地面匀速滑跑引起的飞机重心过载响应小;并且加速度越大,在达到相同的滑跑速度条件下所产生的飞机重心过载响应越小.     

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.     

时变平均风提取方法研究

非平稳风速模型将实测风速记录分解为时变平均风与平稳脉动风的叠加。研究提出利用脉动风平稳度指标确定时变平均风的方法,定义不同时距摩阻速度的比值为脉动风平稳度指标,在所有可能的选择中,最优时变平均风应使脉动风在满足平稳性要求的同时平稳度指标最大。应用于实测10分钟550组台风及3300组季风数据表明该提取方法合理有效。