基于EMD-CS的脉冲星周期超快速估计

面向X射线脉冲星周期估计的压缩感知（CS）中测量矩阵尺寸大,进而导致计算量大。针对这一问题,提出了一种基于经验模态分解-压缩感知（EMD-CS）的脉冲星周期超快速估计方法。将不同畸变度的脉冲轮廓进行EMD分解,得到一系列固有模态函数（IMF）。由于IMF包含了不同时间尺度的局部特征信号,脉冲轮廓畸变度这一微弱局部特征可体现在某些IMF中。采用迭代剔除法剔除冗余的IMF,剩下的IMF构成了测量矩阵。由于IMF的数量较少,采样率大幅减少。利用EMD-CS可实现X射线脉冲星周期超快速估计。通过计算复杂度分析结果可知,采样率与计算量呈正比关系。仿真结果中表明,EMD-CS的采样率为0.25%,仅为FFT-CS的1/29,因而计算量更小。     

进气道激波串振荡的模态分解及快速预测

为研究隔离段自激振荡现象,采用2阶时间和空间精度、非结构网格、剪切应力输运(SST)k-ω湍流模型有限体积法程序对二元进气道在高反压下的非定常特性进行数值模拟,成功捕捉到激波串自激振荡现象,在此基础上利用本征正交分解(POD)和动力学模态分解(DMD)方法对其进行分析.结果表明:该自激振荡是低频主导、多频耦合的复杂振荡...     

ATP弹性体的制备及其热分解特性和机理研究

以ATP为粘合剂、N-100为固化剂制备出ATP弹性体,并进行了性能表征.采用DSC/TG-FTIR-MS联用技术、高压DSC技术和热裂解快速扫描傅里叶变换红外技术(RSC/FITR),研究了叠氮类粘合剂ATP弹性体热分解过程,获得了ATP弹性体的热反应动力学参数,并提出了可能的分解机理.结果表明,ATP弹性体的热分解...     

跨、超音速流动的区域分解方法与并行算法

研究二维跨、超音速无粘性流动的 Euler方程区域分解方法、并行算法及其应用。通过内边界耦合条件实现相邻子区域解的光滑过渡,以得到总体流场的数值解。发展了一种多块区域之间守恒型的有效内边界耦合方法,对二维翼型跨音速流动和钝头体超音速流动等进行了分区数值求解,分区计算结果与其他单区计算结果作了比较,并讨论了多种区域分解数目的分区计算效率。并行计算采用纯结点并行编程方式和“先进先出”的同步控制等待机制,利用 PVM并行环境对二维绕翼型跨音速流动做了二区和四区分区并行计算。     

矩阵的奇异值分解 在红外光谱预处理中的应用

研究了矩阵的奇异值分解在红外光谱预处理中的应用。对奇异值序列,采用间距最大最高峰原则,选择有效秩的阶次;对原始光谱进行奇异值降噪处理、一阶微分处理,用相关系数法选择建模谱段为3 100~2 650 cm~(-1)和1 600~1 250 cm~(-1);采用PLS法建立运动粘度的校正模型,并与卷积平滑等预处理方法进行比较。模型校正集的相关系数(R_c)为0.977 9,标准偏差SEC为0.100 5,预测集的相关系数(R_P)为0.941 2,标准偏差SEP为0.154 7。研究结果表明:奇异值分解和一阶微分相结合可有效去除光谱噪声和基线漂移的干扰,提高PLS分析模型的准确度。     

基于TBS 的航空发动机技术风险识别方法研究

为提升中国航空发动机研制项目中技术风险的管控能力,根据航空发动机的研制特点,提出1种基于技术分解结构的航空发动机技术风险识别方法。该方法涵盖技术分解结构的构建方式、技术风险的识别方法和排序方法等内容,通过在实际发动机研制项目中的应用,证明该方法有效、可行,能够实现技术风险完整、合理地识别,同时提出了该方法在应用过程中应注意基于TBS的技术风险识别为动态过程等问题,为中国航空发动机研制行业技术风险的识别提供参考。     

基于CWTHHT结合的永磁同步电机失磁故障诊断方法及其可行性分析

永磁同步电机失磁故障是驱动电机故障中最为严重的故障之一。失磁故障意味着永磁同步电机的优势显著降低。提出了基于CWTHHT结合的永磁同步电机失磁故障诊断方法并对其可行性进行了分析。首先简要分析了永磁同步电机稳态运行特性、搭建电机故障试验平台,实时采集电机正常及失磁时的定子电流信号;然后通过信号分析得出:失磁故障下电流信号的EMD分解分量imf4的周期性较正常情况时变差,而且分量imf3所占比例较正常情况时变大;失磁故障下电流信号的HHT图中基波频带较正常情况能量分散了。因此,基于CWTHHT结合的故障诊断方法是可行的。     

小波变换与SVD结合的射频信号消噪方法

射频信号因具备空间远距离传输特性被广泛应用于航天测控等领域,但空间磁场、信道、设备元器件等会引入大量噪声干扰,对射频信号的传播及后续分析处理造成影响。而目前关于射频信号消噪的研究很少,针对此问题,对比研究了传统滤波器消噪、小波阈值法及SVD(Singular Value Decomposition,奇异值分解)法在射频信号消噪方面的应用,仿真分析了各算法对有用射频信号的提取效果,从而发现3种方法均能起到噪声抑制的作用,但是,滤波器法明显会降低信号能量,小波变换法易使重构信号失真,而SVD法则运算时间较长。为此,提出将小波阈值法与SVD相结合,用于射频信号消噪。再通过比对各方法消噪的性能指标,验证了将2种方法结合,可有效提高运算效率及噪声抑制能力。     

基于遗传算法参数优化的变分模态分解结合1.5维谱的轴承故障诊断

为了准确提取轴承的故障特征,提出了一种遗传算法(GA)参数优化的变分模态分解(VMD)结合1.5维谱的轴承故障诊断方法。首先以VMD方法中模态分量的包络熵值最小为优化目标,利用遗传算法对模态分量个数和二次惩罚因子进行优化,确定这两个能使VMD实现最优分解的输入参数。然后利用参数优化的VMD方法对仿真信号和轴承内环故障信号进行分解,并做各模态分量的1.5维谱图。参数优化的VMD分解得到了与仿真信号原始分量相符的4个模态分量,1.5维谱剔除了未参与二次相位耦合的10Hz频率分量。同时在1k Hz频率以下,运用本文方法提取了轴承内环故障特征频率的1至6倍频频率成分以及电机转频对它们的调制频率。由此表明,遗传算法参数优化的VMD可实现复杂信号的正确分解,1.5维谱可有效检测信号的二次相位耦合。同时,遗传算法参数优化的VMD结合1.5维谱能有效提取轴承内环故障特征,从而验证了本文方法的有效性和实用性。