基于变量贡献率的MSPC异常识别方法

异常识别是多元统计过程控制(MSPC, Multivariate Statistical Process Control)方法有效应用的关键.针对现有研究对历史异常信息利用的不足,综合考虑了主成分变量贡献率与重构误差变量贡献率对异常识别的影响,将两种变量贡献率进行归一化处理并求和得到综合变量贡献率;提出了一种基于综合变量贡献率的MSPC异常识别方法,并基于matlab计算平台实现了该算法.通过田纳西过程故障模式仿真及异常识别,对该方法的应用及算法有效性进行了实例验证.     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

火星电离层探测

火星已经成为深空探测的重要目标之一, 登陆火星并在火星生存是人类探测火星的终极目标, 因此电离层是必须了解的火星电磁环境. 火星电离层探测包括直接探测和间接探测. 直接探测精度高, 有较高的空间分辨率, 但是观测时间短, 无法提供长期稳定的探测结果. 对火星电离层的间接探测结果主要来自无线电掩星探测和顶部雷达探测. 无线电掩星探测可实现对火星电离层整个电子密度剖面的长期稳定探测, 但其空间水平分辨率较低, 且可探测的电离层太阳天顶角范围受到地球与火星轨道的限制. 顶部雷达探测对火星电离层的探测具有很高的时间分辨率和空间分辨率, 且同样可进行长期稳定探测, 为火星电离层研究提供了最新的支持. 通过对火星电离层探测的基本方法及典型观测结果的分析, 提出通过几种探测方法适当结合的方式, 同时对火星电离层进行观测, 能够大大推进对火星电离层的研究.      

时频重叠复用系统的低复杂度序列检测算法

利用时频重叠信号(Overlapped Hybrid-Division Multiplexing, OVHDM)实现高频谱效率数据传输,性能优于多电平调制方案.介绍了OVHDM信号模型以及最佳检测算法.为了降低检测的复杂度,提出了联合软干扰消除的序列检测算法--SIC-SE:软干扰消除后的各子载波数据流,在序列检测前首先通过基于快速矩阵逆的有限冲激响应滤波器.该算法的检测复杂度远低于最大似然检测算法,性能优于传统的软干扰消除算法.仿真表明,基于该检测算法的编码OVHDM系统性能优于使用相同信道编码的QAM-OFDM系统.     

萤火一号宽视场彩色相机的设计及地面检测

介绍了宽视场彩色相机工作原理、相机方案及设计结果. 发射前实验室检测结果表明, 整机静态分辨率达180 lp/mm, 信噪比为34 dB. 用户在发射前对宽视场彩色相机的成像效果进行了初步评估, 认为宽视场彩色相机能够正常工作, 数据格式正确, 图像质量优良, 能够进行稳定的数据观测, 采集与下传. 最后介绍了相机在研制过程中采用的一些新技术.      

多敏感器联邦SSUKF融合姿态确定算法

针对四元数姿态估计问题,提出了一种分布式非线性滤波融合结构。通过引入基于超球面分布采样点变换(SSUT)技术的无迹卡尔曼滤波算法(SSUKF),以较低的计算量实现了高数据更新率、高精度的非线性滤波,并通过融合重构,保障系统无间断可靠工作,不受敏感器故障、视场盲区等因素影响。应用该算法对陀螺、磁强计、太阳敏感器、星敏感器构成的系统进行了具体设计并开展仿真研究,验证了算法的有效性。     

澳大利亚东南部森林山火HJ卫星遥感监测

以2009年2月发生在澳大利亚东南部的森林山火为研究对象,利用HJ-1B遥感影像识别森林山火,分析HJ-1B在林火灾害事故中的监测能力,通过对HJ-1B IRS B07设计参数及数据特点进行分析,提出适用于HJ-1B卫星林火监测的归一化火点指数(Ku)算法.研究表明:Ku值大于0.40为潜在可能的火点像元,云耀斑和地表虚假高温点是影响林火监测的主要噪声.由于HJ-1B没有获取到研究区域未着火前的影像数据,利用MODIS(Moderate-resolution Imaging Spectroradiometer)空间分辨率为250 m的通道1和通道2计算植被指数,其结果能较好的应用于HJ-1B林火监测算法中.通过对比分析HJ-1B林火监测结果和MODIS林火产品MOD14认为,HJ-1B能更好的监测出澳大利亚东南部森林火灾,反映出火灾的局部空间分布和细节特征.     

基于改进PCNN的轴尖表面缺陷检测

脉冲耦合神经网络(PCNN,Pulse Coupled Neural Network)与传统神经网络不同,不经过训练即可用于图像处理.针对PCNN模型中结构参数较多,且需要人工反复试验进行设置的困难,改进模型结构,简化了馈送输入和连接输入,减少了待定参数;根据邻域灰度动态地计算内部连接系数,由邻域的欧氏距离计算权值矩阵,再由图像的灰度特征计算动态阈值.将改进的PCNN用于陀螺轴尖表面缺陷图像的分割,用基于完整性与正确性指标的缓冲区匹配方法评价所提方法、最大熵法及Canny方法.针对不同缺陷图像的实验表明:所提算法的完整性与正确性都高于0.9,证明所提方法更有效.