电容成像传感器优化设计及其试验研究

为了减小电容层析成像(Electrical Capacitance Tomography,ECT)传感器相邻极板间耦合电容引起电容测量时的噪声值,设计了差分电极传感器系统并对差分电极与测量电极距离进行参数优化。实验系统采用现场可编程门阵列(Field Programmable Gate Array,FPGA)直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号分别对测量电极和差分电极进行激励。差分电极与测量电极到管道中点的距离比例约1:1.2时传感器灵敏度最佳,仿真图像误差降低至0.23,图像相关系数提升到0.84;实验中空场时的系统平均信噪比比普通传感器提升了5.10dB,满场时的系统平均信噪比提升了4.50dB,相邻电极对的静止电容减少至38%,而电容变化占用最多测量值,即62%。差分电极传感器系统经过电极之间距离的优化设计,传感器系统性能得到提升,通过实验验证其可行性,并且能够应用在滑油监测。     

基于STFT的最大预示环境波形重构新方法

振动过程的最大预示环境(MEE)是指在某个关心的结构区域内,通过测量或预示手段获得的以谱形式表示的振动环境数据保守极限。然而,很多振动试验方法,特别是用振动台模拟低频瞬态环境时(低于100 Hz),需要给出试验信号的参考波形。文章结合振动模拟试验及短时傅里叶变换(STFT)时频分析,提出一种振动过程最大预示波形(MEW)的重构新方法。数值仿真结果表明,与传统方法相比,使用新方法重构的MEW误差更小,且试验控制更加灵活、高效,更适合于工程应用。     

基于CEEMDAN的雷达信号脉内细微特征提取法

有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构,抑噪效果通过1 000次蒙特卡罗实验得到验证,同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3 000个不同脉内调制的加噪信号样本上进行了实验对比,结果表明不同种类信号样本在本文特征空间中清晰可分,本文方法较之主流方法更加精确,尤其在0 dB信噪比（SNR）下仍保持90%以上的高精度。      

一种利用PCA的导弹轨迹重建方法

非同时刻成像将大幅恶化立体视觉方法对导弹的轨迹点重建精度和射向估计精度,针对这一问题,该文提出了应用主成分分析(PCA)重建导弹轨迹并且估计导弹射向的方法。论文在同步轨道双星观测条件下推导了将PCA方法应用到导弹轨迹重建及射向估计的原理,论证了目标三维轨迹最小方差投影直线在像面上的投影即为目标成像轨迹的最小方差投影直线,给出了通过求取目标成像轨迹的最小方差投影直线重建导弹发射面和轨迹点的算法。仿真实验表明了该方法可以有效地进行弹道轨迹的三维重建及射向估计,与现有方法相比,PCA方法重建精度更高,相机定标误差在一定范围内时,射向估计误差更小。     

基于边界值的多元混沌发动机性能预测算法

首先提取航空发动机排气温度数据序列的边界值,并且证明了边界值序列具有混沌特征.其次提出了一种基于多元相空间重构的发动机状态混沌预测算法,实现对排气温度的预测.通过检验排气温度预测值是否超过所规定的红线,从而进行发动机的健康状态排查.作为验证实例,使用一组某机型发动机实际飞行数据对该预测算法进行了验证,结果表明:该组合算法降低了预测模型的时间复杂度,并大大提高了疑似异常点的预测精度.该方法可以为这种机型发动机故障预测提供决策依据.      

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。     

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

不完全角度CT图像重建的模型与算法

为了提升不完全角度计算机断层成像(CT)图像的重建精度和重建效率,研究了有限角度和稀疏角度下的CT图像重建问题,提出新的全变差最小化目标函数,通过将上一步迭代重建的图像作为反馈加入到新的迭代之中,不断更新目标函数的已知项。在算法求解时,采用增广Lagrangian罚函数方法,将约束问题非约束化,并将之转化为等价的3个子问题,通过在交替方向上求解子问题来获得优化问题的最优解。实验结果表明,该算法重建出的图像信息完整,细节清晰,重建精度高,与Split Bregman算法相比,本文算法结果的相对均方误差可下降42.1%~98.5%,条纹指标可下降42.8%~98.5%。     

工业总线标准电容层析成像系统设计

为保证电容层析成像(ECT)系统满足航空航天领域多相流参数测试的要求,开发了一套基于CPCI工业总线标准的ECT系统。采用高性能现场可编程门阵列(FPGA)芯片作为主控芯片,实现信号激励模块、多路复用开关模块、数据处理模块、数据解调和传输模块的集成式设计,将采集信号进行预处理,实现信号的滤波、放大和相敏解调,并通过CPCI工业总线接口把解调后的电容数据传送至系统上位机,完成图像重建。实验测试结果表明:系统采用1 MHz激励信号和8电极传感器的工作模式下,采用10周期的测试信号解调时,图像采集速度可达1 785幅/s,信号的信噪比高于60 d B,成像结果具有良好的空间分辨率。     

基于稀疏重构的混叠脉冲序列的周期估计

针对于以往方法在克服抖动大和缺失率高的混叠脉冲信号周期估计上的不足,提出了一种基于稀疏重构的混叠脉冲序列的隐藏子周期估计新方法。该方法首先针对由多个具有不同周期的脉冲串混合而成脉冲序列进行插值重采样,然后利用由Ramanujan构造的周期字典,建立了混叠脉冲序列的稀疏表示模型,最后采用联合l_2,0混合范数算法求得混叠脉冲序列的周期估计。方法的优点是具有较强抗噪能力和抗脉冲缺失能力,并且不受初相的改变影响。所需要较少的脉冲数据长度就能得到准确的周期稀疏解。仿真实验表明,所提方法具有更好的估计性能。