基于光纤光栅的复合材料结构损伤识别方法

为较好解决复合材料结构损伤难以有效识别问题,提出一种基于集合经验模式分解(EEMD)和核函数极限学习机(K-ELM)的复合材料结构损伤识别新方法。通过对试验件进行冲击及长时间疲劳试验,得到光纤光栅传感器网络募集试验件的原始损伤信息。采用集合经验模式分解方法对原始损伤信息进行自适应分解,提取奇异熵特征信息。采用奇异熵特征信息分别构建基于K-ELM的损伤识别模型和基于BP的损伤识别模型,通过试验数据对两种损伤识别模型的有效性进行了验证和对比。结果表明,基于K-ELM的损伤识别模型具有更好的工程应用价值。     

滚动轴承含噪声谐波信号的欠确定盲源分离方法研究

目前使用的大多数盲源分离方法都依赖于观测传感器数量大于或等于信号源数目这样一个基本假设。算法主要针对传感器数量m小于源信号数量n(欠确定)情况下旋转机械含噪声谐波信号的盲源分离问题展开研究。它在输入信号频域稀疏性假设和源信号之间线性混合假设的前提下,提出了一种势函数聚类的源数目估计方法,并对通道衰减和延时进行了计算。实验信号仿真结果证明了该方法的可行性和可靠性。     

基于时频单源点检测和聚类验证技术的欠定混合盲辨识算法

针对欠定混合盲辨识问题,提出了一种基于时频单源点检测及聚类验证的盲辨识算法。检测各个源信号的时频单源点,利用奇异值分解的方法求解不同单源点集合对应的混合矢量,利用基于k均值的聚类验证技术完成源信号数目和混合矩阵的联合估计。算法放宽了已有方法对时频单源区域的假设,不需要假设信号存在时频单源区域,可以完成仅存在离散的时频单源点条件下的欠定混合盲辨识;同时克服了传统算法需要假设源信号个数已知的不足,可以有效地估计源信号数目。仿真结果验证了算法的有效性。     

基于时频单源点检测和聚类验证技术的欠定混合盲辨识算法

针对欠定混合盲辨识问题,提出了一种基于时频单源点检测及聚类验证的盲辨识算法。检测各个源信号的时频单源点,利用奇异值分解的方法求解不同单源点集合对应的混合矢量,利用基于k均值的聚类验证技术完成源信号数目和混合矩阵的联合估计。算法放宽了已有方法对时频单源区域的假设,不需要假设信号存在时频单源区域,可以完成仅存在离散的时频单源点条件下的欠定混合盲辨识;同时克服了传统算法需要假设源信号个数已知的不足,可以有效地估计源信号数目。仿真结果验证了算法的有效性。     

基于空间时频分布的欠定混合信号源个数估计

针对欠定混合信号的源个数估计问题,提出了一种基于空间时频分布与奇异值分解的估计算法,把所有自源时频点对应的空间时频分布矩阵组成三阶张量,把欠定混合问题转化为超定问题,通过对三阶张量对应的矩阵进行奇异值分解估计出源信号的数目,该方法不需要假设源信号是稀疏的或独立的,理论分析和仿真结果验证了算法的有效性.     

基于高阶谱分析的机械故障特征识别

在分析高阶累积量与高阶谱的理论基础上，利用高阶谱可以抑制加性高斯噪声的性质，研究了基于高阶谱分析的机械故障特征提取方法，提出了基于双谱估计的齿轮故障诊断的方法。通过对齿轮信号的双谱特征图谱进行分析比较，成功地对齿轮的正常稳态振动信号、正常瞬态振动信号以及磨损瞬态信号进行了识别，效果十分显著。     

基于卫星云图历史资料反演云团非线性预测模型

针对线性预测方法难以有效描述云团的非线性、非平稳变化的困难,基于经验正交函数分解(EOF)和遗传算法参数优化结合的思想,提出了一条云团非线性预测模型反演的方法途径。首先将卫星云图序列作EOF的时、空分解;在此基础上,引入遗传算法对EOF的时间系数序列进行了动力模型重构和模型参数反演,建立了EOF时间系数的非线性微分方程组;再通过时、空函数合成,构造了云团演变的动力预报模型。试验结果表明,反演的云团预报模型能较为合理地描述特定季节区域内云团演变的基本趋势,预测结果与实际云图的主要特征基本相符,尤其是实现了云图3h以上的中、长时效的客观预测。     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

导向矢量正交分解的离格信号DOA估计

当存在离格信号时,网格失配将导致基于压缩感知理论的DOA估计算法估计性能严重下降。为解决这个问题,在对接收数据协方差矩阵进行KR积变换的基础上,提出了一种基于压缩感知理论下的导向矢量正交分解的离格信号DOA估计算法。算法利用信号导向矢量与其一阶导函数矢量间的正交性构建了新的离格信号导向矢量模型,并基于最小二乘法对离格信号的网格偏离量进行估计。在构建稀疏重建模型时,采用ILSSE方法精确估计噪声协方差矩阵,提高了稀疏重建的精度。仿真结果表明,所提算法在不同信噪比和不同的网格间距下对离格信号DOA都有较好的估计精度。     

基于正交小波包和K-L变换的水声信号特征提取与识别

在海洋作战环境中,水声目标识别与分类是水声设备与水中兵器系统智能化的关键技术之一,基于小波变换的模式识别方法受到广泛研究与重视,在对水声信号进行正交小波包分析的基础上,以信号在各分解子空间的能量分布构成原始特征空间,运用K-L变换进行模式识别特征空间的提取,并基于最小欧氏距离设计分类器,提出了一种新的水声信号识别方法,仿真实验验证了算法是有效的.     

基于循环频域滤波及Schmidt正交对消的单通道信号分离算法

单通道盲信号分离是信号处理领域中的研究热点和难点.分析了循环频域滤波用于单通道时频重叠信号分离的可行性,提出了基于循环平稳频移滤波器及Schmidt正交对消的信号分离方法.利用频移滤波器提取一个源信号,通过Schmidt正交化法从观测信号中消去已提取的源信号获得另一个源信号.仿真表明,本文算法可有效分离时频重叠的雷达通信信号,相比时域维纳滤波,分离性能提高了10dB以上.     

GTEM室内脉冲场分析及对数周期天线的响应规律研究

为研究对数周期天线(LPGA)的方波脉冲响应特性,利用GTEM室和CST仿真软件对LPGA方波脉冲响应信号进行实验测试与仿真分析.利用实验室自行研制的超宽带电场测试系统对GTEM室进行校准,得到了室内电场强度E(t)与方波源的输出电压V(t)和芯板高度h之间的关系;搭建GTEM室中天线脉冲响应测试平台,得到不同辐照方向下的LPGA方波脉冲时域响应信号;利用CST仿真软件建立对数周期天线的3D模型,得到响应信号幅值的开路电路模型.     

基于正交分集的灵巧噪声干扰对抗方法*

针对数字射频存储干扰机多通道宽带转发模式下的灵巧噪声干扰,提出了基于混沌调制信号、多谐波相位调制线性调频信号的正交分集抗干扰方法。混沌调制信号与多谐波相位调制线性调频信号具有“图钉”型模糊函数,除了具有良好的距离、多普勒分辨力,而且对回波频率敏感,通过正交分集设计,能够更好的适应宽带转发灵巧噪声干扰。通过计算机仿真对新方法的抗干扰性能进行了分析和验证,结果表明,在多通道宽带转发灵巧噪声干扰环境下,新方法的抗干扰改善因子能够达到10dB以上,抗干扰性能明显优于传统的频率捷变、斜率捷变方法。     

非理想正交发射信号对频控阵波束的影响

为考察发射非理想正交基带信号对频控阵波束的影响,基于频控阵信号模型引出了基带信号正交问题,从数学上推导频控阵发射非理想正交基带信号情况下的波束表达式,进一步分析匹配接收处理性能.基于频控阵波束发射和匹配接收计算量,提炼出影响分析评估因子,构建了频控阵基带发射信号正交特性与波束、匹配接收性能的定量分析关系.基于6类典型随...     

飞机发动机关键系统智能故障诊断方法

飞机发动机是一个非常复杂的大系统,由于其结构复杂,工作环境恶劣,对其关键系统的故障进行准确诊断始终是困扰业界的技术瓶颈之一。提出了采用EMD小波阈值降噪与主元分析相结合的方法,对飞机发动机气路系统故障诊断进行了深入研究。针对某型真实飞机发动机进行测试试验采集的气路多参量数据,首先采用经验模态分解(Empirical Mode Decomposition,EMD)对气路系统各参量信号进行EMD分解,然后采用软阈值函数对其进行降噪,并进行信号重构,从而可得到飞机发动机气路工作状态有效数据。在此基础上,设计了飞机发动机气路系统主元分析故障诊断模型,并结合预处理得到的飞机发动机气路有效数据,运用所设计的主元分析故障诊断模型对飞机发动机进行故障诊断技术研究。研究结果表明,所提出的方法能够很好地诊断出飞机发动机气路系统实际运行时所出现的故障,具有重要的实际应用价值,并有广泛的应用前景。     

基于电容式噪声传感器的信号调理电路设计

在航空航天的飞行器遥测试验中,大推力火箭和导弹飞行时,由燃气射流引起的噪声会对飞行器的结构以及载荷造成巨大的危害。电容式噪声传感器由于其频率响应范围宽,被广泛应用于飞行试验中。电容式传感器工作时需要用恒压源供电,且其采集的信号受到外界干扰较大,输出电压值不满足大多数模数芯片转换要求。针对以上问题,设计了恒压源供电模块和隔直分压电路、低通滤波电路等调理模块,使其最终输出电压范围在0~2.5 V,满足模数转换芯片的要求。该噪声传感器的信号调理电路可靠性高,已经成功应用于飞行器发射试验中。     

A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.     

群时延傅里叶分解模型及其估计方法

建立了基于三角函数级数的群时延模型,并理论证明了仅采用有限阶数的三角函数群时延即可表征任意群时延对信号相关峰的影响。在此基础上,通过测量信号相关峰,并与不同三角函数群时延组合下的相关峰进行匹配搜索即可估计群时延的三角函数分解级数,从而估计得到相关峰影响等效的群时延特性。仿真中,采用该方法估计得到的群时延特性对滤波器进行修正后,信号相关峰与经过滤波器之前的信号相关峰高度吻合,时延估计偏差在0.1 ns之内。     

基于圆柱体缺陷构件的超声探伤重构研究

圆柱体构件中非轴对称人造缺陷偏心圆孔的超声探伤一直是无损检测的难点。基于脉冲反射原理设计超声实验平台,根据检测回波信号判定偏心圆孔缺陷所呈现的特征。在实验研究基础上,针对声场在圆柱体工件内部的传播情况,根据惠更斯原理以圆柱体为发射声源,基于k-wave仿真工具箱建立仿真平台,并利用声学传感器接收声波信号,设计的仿真平台能够实现360°同时刻采集工件的发射信号,同时利用传播过程中声压强弱的变化构建声场模型。根据采集的信号采用逆时反演重构模型,直观可视化地重构了内部缺陷的位置形状信息。     

检测探头提离效应对管道漏磁检测影响分析

在管道漏磁检测中,检测探头的提离效应对管道缺陷漏磁检测性能影响较大.在对漏磁检测探头提离效应影响因素分析的基础上,分析了管道漏磁检测探头提离效应影响特性;通过建立的模拟漏磁检测探头提离效应影响分析的实验装置系统,提取了传感器、磁化器在不同提离情况下的检测信号.根据实测数据,研究了漏磁检测过程中提离值对漏磁信号的影响趋势...