基于EMD与LS-SVM的刀具磨损识别方法

针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,然后分别对每一个固有模态函数进行自回归建模,最后提取每一个自回归模型的系数组成特征向量,特征向量被分为两组,一组用于对最小二乘支持向量机训练,另一组用于识别刀具磨损状态.试验结果表明:该方法能很好地识别刀具磨损状态,与BP神经网络相比具有更高的识别率.      

由三个向量对构造三对角对称矩阵

文章讨论利用给定的三个向量对构造不可约三对角矩阵、Jacobi矩阵和负Jacobi矩阵的反问题.在求解方法中,将已知的-些关系式等价地转化为线性方程组,利用线性方程组有解的条件,得到了所研究问题有惟一解的充要条件,并给出了数值算法和例子.     

基于新型经验模分解的激光陀螺漂移趋势项提取

为了提高激光陀螺建模精度进而提高惯件导航系统的精度,需要对激光陀螺漂移时间序列的趋势项进行精确提取.针对陀螺漂移时间序列非线性、非平稳的特点,提出一种基于自适应正弦延拓的新型经验模分解方法对其趋势项进行提取.该方法根据信号端点附近数据变化趋势,在其两端加上适当相位、幅值和频率的正弦延拓函数,从而抑制端点效应,提高分解精度.数字仿真和实例应用结果表明该方法具有筛选次数少,自适应能力强,分解精度高的优点,是提取趋势项的一种有效方法.     

一种空间目标RCS序列的姿态异常检测方法

准确、快速判断空间目标姿态运动模式异常,对于空间目标监测具有重要意义。针对空间目标雷达散射截面 (Radar Cross Section,RCS)序列,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）能量谱特征的无监督机器学习异常检测方法,并采用单类支持向量机(One Class Support Vector Machine,OCSVM)验证异常检测效果。设置了几种典型异常场景进行仿真分析,试验结果表明,该方法能有效检测出三轴稳定类空间目标发生失稳旋转的姿态异常。相比于传统统计参数特征、小波变换统计参数特征及能量特征的姿态判别方法,具有检测概率高、鲁棒性好的特点。     

索穹顶结构的气动阻尼识别

索穹顶是一种具有很强风振敏感性的大跨柔性结构,风振问题在设计中应予以高度重视,这其中气动阻尼有至关重要的影响,而如何有效地识别气动阻尼则是问题的关键.利用肋环型索穹顶结构气弹模型风洞实验的数据,先由经验模态分解法提取信号的低频分量,并在此基础上采用改进的随机减量法及Hilbert变换得到结构的气动阻尼,结果证明该方法是稳定而有效的.最后在计算分析的基础上总结了索穹顶结构中气动阻尼随风速及风向角的变化规律.     

过氧化氢水溶液在自分解过程中的温升特性

针对过氧化氢水溶液在自分解过程中分解放热引起的温升进行传热分析,建立数学模型,求解得出随着浓度、比热容、分解速率以及散热等因素下的温升变化规律.其结果可以为过氧化氢溶液的储存、输送以及推进燃烧控制提供重要的理论依据,为进一步掌握过氧化氢热化学机理提供理论基础.      

小波包变换对遥测速变数据噪声消除效果的改进

在介绍小波包定义和降噪声原理的基础上,提出了采用小波包变换降低噪声的方法。为验证该方法的有效性,将其用于某型导弹试验中所测遥测数据的降噪处理中,并与小波变换降噪效果进行比较。结果表明,小波包变换改进了遥测速变数据的消噪效果,是速变信号降噪一种更为有效的方法。     

基于双难题的环Zn上圆锥曲线的数字签名

通过对一个剩余类环 Z_n上圆锥曲线C_n(a,b) 数字签名方案(Xiao06方案)的安全性分析,发现该方案的公开参数选取和算法设计存在问题,导致利用韦达定理可以分解模数 n ,说明Xiao06方案的安全性不是基于整数分解难题的.针对此缺陷,采取保密部分参数和修改验证算法的方法,提出了一个改进的环 Z_n 上圆锥曲线的数字签名方案,并且给出了改进方案的数值模拟.分析表明,改进的方案是一个同时基于离散对数和整数分解双难题的环 Z_n 上圆锥曲线的数字签名方案,不仅保留了原Xiao06方案的优点(明文嵌入方便,求逆元速度快,元素阶的计算及曲线上点的运算容易),还具有很强的抗破解能力.     

飞机构型管理中的产品结构分解研究

飞机的设计与制造是一项宏大的系统工程,它的研制周期长、技术复杂、研制费用与风险高,并且要求多部门协同参与,同时它也会带来大量的产品数据的管理。借鉴目前欧美飞机制造商普遍采用的模块化设计思想,从构型管理的角度研究了产品结构分解和管理方式,同时结合我国民机发展的特点将产品结构划分为装配结构树、系统结构树和制造结构树。     

基于EEMD-Hilbert谱的涡街流量计尾迹振荡特性

为了研究涡街流量计尾迹振荡特征,采用集总经验模态分解(EEMD)-Hilbert谱方法,对测量介质为空气、流量范围为10.58~220 m~3/h的涡街流量计管壁差压信号进行处理,首先用EEMD方法对管壁差压信号进行分解,得到固有模态分量,然后对分解后的各个分量进行Hilbert变换,得到Hilbert谱和边际谱,进而提取管壁差压信号的旋涡脱落频率。比较了Fourier变换与EEMD-Hilbert谱方法在信号去噪和频率提取方面的性能。结果表明:EEMD-Hilbert谱方法可有效去除叠加在实际涡街成分之中的噪声,能够较完整保留尾迹振荡的固有成分;在流量较低时,EEMD-Hilbert谱方法对尾迹振荡频率的提取精度比Fourier变换高30%以上,有效拓展了涡街流量计的测量下限;通过计算能量比,揭示了EEMD-Hilbert谱方法提高频率提取精度的原因,即EEMD-Hilbert谱方法降低了信噪比;Hilbert谱直观表示信号的时间-频率-能量关系。