基于面向对象技术的柴油机在线状态监测系统设计

将软件设计中的面向对象思想扩展到系统设计中,针对柴油机实车运行在线监测中的变速变载及空间有限等问题,基于CAN总线的可靠性、信息传输的实时性和多主工作方式,设计分布式智能监测节点和上位机监控中心．分布式监测节点同步采集柴油机运行数据并进行降噪和简单特征提取后,将实时采样数据和在线监测结果上传至基于嵌入式PCI04的上位机监控中心,进行二次特征提取和智能模式识别,从而实现柴油机在线状态监测与故障预警和诊断．     

基于B样条的稳健回归算法

利用B样条基构建了拟合函数模型.针对观测数据中存在野值的情形,选取了稳健函数进行稳健回归,并通过迭代再加权法实现了拟合函数模型的求解.试验结果表明:在数据中含有野值的情形下,基于B样条的稳健回归算法比常规的最小二乘回归算法具有更好的表现.     

直扩/跳频测控信号捕获算法研究

指出了将直扩/跳频用于航天测控在信号捕获时的特殊性,针对这些特殊问题提出了混合扩频测控的捕获方案,并对其中的2个方面进行了改进.采用基于凯泽窗PMF-FFT方法来实现对频谱幅值的扇形衰减进行改进,采用抛物线插值法对多普勒估计时产生的栅栏效应进行改进.理论分析和仿真结果表明,与原有算法相比较,在相同积分时间内,凯泽窗PMF-FFT方法比直接PMF-FFT能够有效降低FFT输出的峰值衰减,减小频谱泄漏;抛物线插值测频能够有效减少频谱估计误差,从而利于后继跟踪的快速建立.     

粒子滤波跟踪弹道下降段在炮位侦察中的应用

在传统的炮位侦察方式中,往往对对方炮弹弹道上升段采用扩展卡尔曼滤波方法进行弹道跟踪,这就导致了阵地部队安全性和雷达威力受限的问题,而开展对方弹丸弹道下降段跟踪的研究有利于解决这一问题.对于弹道下降段的跟踪,采用传统的扩展卡尔曼滤波方法无法满足炮位侦察的精度需求,而粒子滤波方法的应用使得这一思路变为可行.首先描述了对下降段弹道跟踪时炮位侦察的全过程,并建立了待跟踪弹道目标的状态空间模型,然后应用粒子滤波方法对下降段弹道进行了跟踪辨识.仿真结果表明,粒子滤波具有比扩展卡尔曼滤波精度更高和运算时间更长的特点,其仿真结果能够满足炮位侦察的精度要求.     

数据挖掘在图像信息隐写分析中的应用

提出数据挖掘在图像信息隐写分析中的应用。首先计算原始图像和隐写图像在通用图像质量指标下的失真测度,然后利用数据挖掘技术建立一个预测模型,完成失真测度到已知隐写概率的映射,模型的输出即为预测隐写概率。实验结果表明,使用该方法得到的预测隐写概率和已知隐写概率的相关度,当使用训练样本时达到0.951以上,使用测试样本时达到0.943以上,达到了很好的预测效果。     

舰载平台下的光电跟踪技术

针对舰载近程舰炮武器系统振动、烟雾等使用环境,提出了基于目标航迹滤波算法及舰炮火控技术相结合的光电记忆跟踪技术,并在某型舰载近程舰炮武器系统中应用,应用分析表明,此技术大大提高了光电在舰炮射击时的跟踪稳定性,也为后续解决高频振动和炮口烟雾等对光电跟踪影响提供了思路.     

液压伺服系统的H_∞观测器设计

针对液压伺服系统的故障诊断问题,提出一种新的全维状态观测器--H_∞观测器的设计方法.该方法简化了液压伺服系统的传递函数描述,建立了系统状态空间描述的能观规范型;在考虑过程噪声与测量噪声的前提下,设计了系统的鲁棒观测器结构,并运用H_∞滤波理论确定观测器的性能指标,求解了系统的矩阵Riccati方程,计算了观测器的反馈增益矩阵.设计实例的性能测试表明,该观测器具有良好的敏捷性和敏感性.     

粒子滤波算法在单站无源定位中的应用

单站无源定位是目标跟踪领域的一个研究热点问题.首先介绍了采用增加观测信息量的方法来实现单站无源定位的技术,即方位/多普勒频率联合定位方法,对其定位原理以及实现进行分析讨论.引入一种新的滤波器-粒子滤波器方法(Particle Filter,PF)探讨了海面上运动的观测平台对远距离运动目标定位的应用背景,对目标的原始定位结果进行滤波处理,以减弱测量噪声的影响,提高定位的精度.仿真结果表明了这一处理算法的有效性以及高精度.     

基于粒子滤波技术的电机信号降噪方法

为了给电机故障诊断提供准确的诊断数据,提出了粒子滤波降噪方法。首先基于离散余弦变换建立电机信号的状态方程,状态变量即为离散余弦变换的各系数,此状态方程是一种非线性状态方程;在此基础上,基于粒子滤波方法对含噪测量信号进行状态估计,即可获得离散余弦变换的各系数,然后,通过对这些系数进行重构得到故障诊断所需的实际信号。最后,通过对实际数据进行降噪分析,结果表明所提方法是可行有效的。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。