深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

基于DSP的全数字闭环光纤陀螺

介绍了一种采用DSP(Digital Signal Processor)技术实现的全数字闭环光纤陀螺.该闭环光纤陀螺采用以多功能集成光学器件为核心的全保偏结构,以方波为偏置调制,数字阶梯波反馈.文中对该闭环光纤陀螺的前置放大、信号检测、数字解调、数字滤波等部分进行了设计和实现,对采用DSP技术解决系统精度和实时性矛盾的方案进行了讨论,并对闭环光纤陀螺的性能和参数进行了理论分析和实验测试.测试结果表明系统达到了小于0.3/h的零漂和100×10^－6的非线性度指标.     

正压检漏的漏率

分析了现有的漏率定义,从质量、能量观点重新解释漏率。     

一种电能表表号区域的定位方法

电能表表号可以唯一标识一块电能表的身份,针对当前对电能表表号识别研究比较少,研究了一种定位电能表表号区域的方法。由于电能表表面存在字符的区域比较多,定位电能表表号区域相对比较困难,结合了电能表表号数字区域的特征,通过对图片进行Canny边缘检测、数学形态学运算和区域限定,最后成功实现了电能表表号的定位。     

弹载遥测系统总体关键技术的研究与应用

弹载遥测系统主要用于导弹飞行试验过程中,完成导弹飞行试验数据的采编、调制、传输,与地面遥测设备配合完成试验数据远距离获取,即遥测任务。遥测数据为导弹及分系统设计验证、故障分析、试验结论评判等提供数据依据,是导弹研制过程中极其重要、必不可少的测量系统。结合导弹遥测系统技术发展趋势及笔者近年来创新性工程设计经验,详细阐述了包括弹载遥测系统架构设计、可编程式采编技术、优化供电技术及射频综合化技术等总体关键性技术,为弹载遥测系统提供总体设计新思路。     

数据挖掘在运载火箭智能测试中的应用

针对运载火箭复杂系统的故障检测难以建立准确的数学模型的问题,研究了基于数据驱动的数据挖掘异常检测算法,对多种数据挖掘算法在运载火箭发动机异常检测的应用进行了研究和分析,提出了基于混合概率密度统计的多策略异常检测评价算法。该算法基于非监督学习的算法挖掘火箭发动机不同参数间的正常关联模型,火箭发动机早期的异常数据会引起正常关联模型的破坏,引入混合概率密度统计的多策略异常检测评价机制,可以有效屏蔽参数测量故障对系统故障检测的影响,从而更加准确给出系统异常程度。使用发动机历史试车数据作为样本进行特征模型的训练,使用一元、多元和混合概率密度模型对存在异常的发动机试车数据进行了实时异常检测的实验验证。实验结果表明,相比传统基于阈值和规则的异常检测算法,基于概率密度统计的多策略异常检测算法不仅可给出系统的正常和异常的状态,还可计算各参数和整个系统的异常值,为运载火箭进一步的故障诊断提供更加灵活的参考。     

宽带大功率超短波射频通道测试系统设计

文章根据机载超短波射频通道的性能检测需求,设计了一个射频通道测试系统,可通过无线方式来实现对射频功率等参数的检测。首先,设计了小型化宽带检测天线,利用有限元法计算出其输入阻抗后,利用"化场为路"的方法,并结合微波网络理论、电路理论计算了其传输特性;然后,采用全波分析和微波理论相结合的混合法计算了空间衰减;最后,将空间衰减和检测天线传输特性相结合,分析了射频通道的功率传输特性。在没有对实验系统进行校准的情况下,实测结果与理论结果依然达到了较高的吻合度,表明使用该测试系统可以在宽频带、大功率情况下方便、可靠地实现对射频通道的性能检测。     

动态背景下基于金字塔LK光流的运动目标检测

提出了一种动态背景下基于金字塔LK光流的运动目标检测方法。首先采用Shi-Tomasi角点检测法提取图像的强角点,再用金字塔LK光流法计算下一时刻这些特征点的对应位置,得到匹配的多组特征点对。利用这些特征点对建立仿射变换模型并计算仿射参数,对图像做仿射变换消除背景运动带来的误差,最后用帧间差分法处理得到前景目标。实验结果表明,本方法能够以较好的实时性、稳定地检测和提取动背景下的运动目标。     

一种基于SVM的低空飞行冲突探测算法

随着低空飞行密度不断增加,低空航行安全已引起广泛关注,由于低空环境复杂,低空飞行受地面障碍物和天气影响比商用航空显著,传统的空中交通警戒与防撞系统（TCAS）和其他冲突探测方法并不适用于低空密集飞行环境。针对传统探测方法计算量大、适用性差的不足,引入支持向量机（SVM）的二元分类方法,通过对本机和周边飞机航迹归一化处理,采用智能优化算法对关键参数进行优化,利用模拟数据对分类器进行预先训练,实现了适用于低空飞行的高效冲突探测。以大量的仿造数据对算法有效性进行了测试验证,结果表明漏警率和误警率分别控制在约0.1%和6%,克服了传统确定型方法与概率型方法难以兼顾效率与适用性的缺陷。