工程意义上的高斯脉冲信号不失真采样分析

基于高斯脉冲信号的时频域特征,分析其采样条件。针对高斯脉冲信号这种非周期信号采样的特殊性,指出高斯脉冲信号采样还需满足峰值采样条件,并对不同采样点数下峰值误差能够达到最小值的概率进行建模。理论分析和仿真结果表明,按照所提出的采样条件进行采样,能够保证高斯脉冲信号采样的峰值误差最小,同时所提出的概率模型能够比较准确地估计出在不同采样点数下峰值误差能够达到最小值的概率。     

应用于超级电容储能系统的双向DC/DC变换器混沌控制方法研究

超级电容储能系统(SCESS)主要通过对双向DC/DC变换器进行控制来快速平抑直流母线电压的波动。为了抑制控制过程中所产生的一些分岔和混沌现象,提出了一种应用于SCESS的混沌控制方法。分析了该方法的控制原理,并根据非线性动力学理论建立了双向DC/DC变换器的离散迭代模型;然后设计了一种能够自动调节补偿斜率的混沌控制信号;最后对该信号作用下的异步切换函数和同步切换映射式进行了数值求解,从而绘出系统分叉图。通过仿真和试验证明,该方法能够有效抑制SCESS的分岔和混沌现象,提高了系统的稳定工作范围和动态响应速度。     

考虑外圈局部缺陷的滚动轴承非线性动力特性

 建立了考虑滚动轴承外圈局部缺陷、非线性轴承力和径向游隙等非线性因素的滚动轴承系统动力学微分方程,并用Runge-Kutta-Felhberg算法对其求解。利用分岔图、Poincaré映射图、频谱图以及均方值、峰值因子、峭度等时域参数,分析了滚动轴承的响应、分岔和混沌等非线性动力特性。结果表明：考虑外圈局部缺陷的滚动轴承系统存在多种周期、拟周期和混沌响应;滚动轴承系统进入混沌的主要途径是倍周期分叉;峰值因子比率在中、低速,峭度比率在低速时可以很好地识别外圈局部缺陷。均方值比率除了在与轴承动力特性有关的个别转速外,可以在较大的转速范围识别外圈局部缺陷。     

硬车削过程中声发射和振动信号的监测及分析

为了对硬车削过程进行监测和分析,本课题建立了一套基于虚拟仪器的信号采集系统,采集模具钢硬车削加工过程中的声发射和振动信号.对声发射和振动信号进行小渡变换并重构后,发现硬车削过程中的声发射和振动信号都与转速密切相关.随着转速的增高,淬硬钢的声发射信号也随着增大,但振动信号却随之减小.     

基于单片机闭环控制信号发生器的设计与制作

在基于单片压控振荡器MAX038芯片以及闭环控制思想指导下,设计并制作了一种宽频带、高精度、高稳定性的信号发生器,并给出了系统组成及关键单元的设计。实验结果显示：该函数信号发生器能产生7Hz～1MHz的正弦波、方波及三角波等信号,波形精度高、稳定性好,与理论设计相吻合,其性能明显优于开环控制的信号发生器。     

高速数字设计及其在卫星定位接收机中的应用

高灵敏度卫星定位接收机的迅速发展是未来定位导航产业的必然趋势。本文主要介绍高灵敏度卫星导航接收机的组成和设计概要。分析了数字电路设计中常遇到的信号完整性问题。着重对高速数字系统定义和传输线阻抗进行了理论分析,运用Cadence公司的ALLEGROPCBSIGXL软件给出了层叠等的设置方法和一些重要信号的分析仿真。将高速数字设计的理论分析与实际应用相结合,在卫星定位接收机主板设计中得到了验证。     

飞机发动机混沌振动信号盲分离检测方法

发动机混沌振动信号携带着丰富的状态信息,依据混沌振动信号进行状态监测及故障诊断是一种很有前途的技术手段,但由于混沌信号具有伪随机特性及在低频段具有宽频谱等特点,使得传统的方法很难将其从振动信号中分离。在提取混沌振动信号方面,使用快速独立分量分析（Fast ICA）盲分离方法分离出飞机发动机振动信号中的混沌信号。利用功率谱和Lyapunov指数（LE）方法进行了判定,根据计算结果对发动机状态做出判断,验证了盲分离方法分离混沌振动信号的有效。盲分离检测混沌振动信号的方法不仅使依据混沌信号判断飞机发动机状态成为可能,也为利用混沌信号进行状态预测和控制提供了一种方法。     

基于二维频谱方法的直升机噪声源的分辨与提取

针对直升机飞行时其噪声中多种噪声源相互混叠难以分辨的问题,通过随机信号理论分析,结合直升机噪声信号的特点,发展了基于二维频谱分析的直升机噪声源分辨与提取模型及方法,在此基础上将该方法应用于剪刀式尾桨直升机尾桨噪声信号的频域提取与分析.本文首先推导了这种方法的理论模型,并给出相应的求解方法;然后采用该方法分别对模拟和实测的直升机总体噪声信号进行分析,计算结果表明该方法可以有效地提取出总体噪声中的各谐波成份.最后通过对剪刀式尾桨直升机噪声的分析,获得了剪刀式尾桨降噪的机理.     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。