液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况，必须提高研究水平和加快研究进程，做好基础性的研究工作，介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

失速起始检测的低频平均频谱幅值法

高速多级轴流式压气机在中低转速的失速起始总是以短周期扰动的形式出现。为了在压气机整机进入深度失速前检测到失速起始信号，通过分析提出了一种基于低频平均频谱幅值的失速起始信号检测方法。对某轴流式压气机压力测量信号的分析结果表明，该方法是准确、可靠和快速的，有望用于失速起始的实时检测。     

二维结构损伤的主动Lamb波定位技术研究

将Lamb波主动监测技术应用于复合材料损伤检测中,对二维结构损伤进行定位研究。利用压电陶瓷片作为驱动器和传感器,对结构损伤前后的传感信号做信号差,采用3种常用的信号时间延迟估计方法,比较这3种方法计算差信号和健康信号的时间延迟的损伤定位效果,其中定位方法采用了椭圆技术。详细介绍了这3种时间延迟估计方法的原理以及损伤定位结果的分析。实验结果表明在信号的信噪比较小的情况下,采用小波变换法能更准确地识别出复合材料冲击损伤的位置。实验数据验证了该方法的有效性。     

基于频域CLEAN和谱图-Radon变换的SAR运动目标检测算法

谱图-Radon变换可有效地检测多个线性调频信号,当多个线性调频信号的能量相差较大时,谱图-Radon变换就很难将所有的信号检测出来。为了解决这个问题,文中提出了基于频域CLEAN的检测技术与谱图-Radon变换相结合。使用检测能量相差较大的多个线性调频信号的方法。这种方法可以有效地检测出所有的信号,具有较大的实用价值,仿真实验结果表明这种算法是有效的。     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

基于相关与小波变换相结合的弱信号检测

针对强噪声背景中的弱信号检测问题,在传统的相关检测方法的基础上,利用小波良好的去噪性能,提出了相关检测与小波变换相结合的弱信号检测方法。仿真结果表明,该方法优于传统的相关检测方法,无须知道有用信号的先验知识和同步信号便可以有效的检测周期性弱信号,并获得更高的输出信噪比。     

一种模糊神经网络检测下的入侵容忍系统设计

为了与网络系统中的入侵行为进行抗衡,可以通过安装入侵检测系统来监控系统中的各种网络行为,入侵容忍可以作为入侵检测系统的互补系统与之一起工作.漏报与误报问题是入侵检测系统面临的根本性问题,加入神经网络技术后并不能完全解决此问题.入侵容忍技术的提出很好地平衡了"失误"与"恶意"、"入侵"与"非有意"之间的冲突与矛盾.入侵容忍本身就是一种"模糊"概念,为模糊数学在计算机安全中的应用提供了有力的理论支持.提出了一种基于模糊神经网络的入侵检测系统应用于入侵容忍的设计方案,并将入侵容忍与入侵检测、防火墙结合,作为一个独立于应用的系统进行设计.     

3He原子磁强计技术

~3He原子磁强计利用~3He核自旋的拉莫尔进动测量磁场,具有高精度、小体积等特点,可以满足未来网络化磁异常探测对高性能磁强计的需求。围绕~3He原子磁强计的技术特点,重点介绍了该磁强计的基本工作原理及其硬件组成,分析了其理论灵敏度,给出了该磁强计的国内外研究情况,最后对该磁强计技术的未来发展进行了展望。     

基于概率统计的DS/FH系统干扰检测算法

基于时频分布的干扰检测算法是DS/FH（Direct Sequence/Frequency Hopping,直接序列扩频/跳频扩频）系统干扰检测的传统手段,针对其运算量大、实时性差,以及无法检测某些特殊干扰信号等问题,提出一种基于概率统计的干扰检测算法.通过统计DS/FH系统频谱图中各频率的幅值出现位置,以DS/FH信号与干扰信号频谱分布规律的差别为判决依据,完成DS/FH系统中干扰信号的检测.分析和仿真结果表明：该检测算法能够有效识别DS/FH系统中的典型干扰信号,与传统基于时频分布的检测算法相比,能够实现某些特殊干扰信号的有效检测;同时,由于该算法不需要进行复杂的时频联合分析,其运算复杂度大大降低,能够实现DS/FH系统干扰信号的快速检测.     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。