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。     

基于在线动平衡的磁轴承参数辨识

针对磁悬浮刚性转子系统,提出了一种基于在线动平衡的磁轴承参数辨识方法。采用已知大小和相位的不平衡质量作为激振源,根据动平衡仪测得的转子不平衡响应,求得磁轴承位移刚度和电流刚度。利用某型磁悬浮控制力矩陀螺对该方法进行了试验验证,得到了一定转速范围内的磁轴承位移刚度和电流刚度,证明了该方法的正确性和实用性。试验结果表明外转子型磁轴承位移刚度和电流刚度随转速的增加而下降明显。     

基于系统辨识的雷击浪涌注入效应仿真

为探索系统辨识方法在电磁脉冲注入效应仿真领域的适用性，使用三端稳压电源进行雷击浪涌注入实验，分别采集注入的雷击浪涌电压和三端稳压电源的响应电压。对采集的数据运用dh系列小波降噪，进行去除趋势项预处理。选用ARX模型，利用最小二乘法进行参数辨识。根据所得模型预测在不同浪涌电压下三端稳压电源的响应电压，并与实际电压进行对比。计算结果表明，基于系统辨识的方法得到了满意的能量耦合模型，较好的预测了三端稳压电源的响应电压。     

储能用蓄电池模型参数的动态辨识

为观测锂离子电池的参数,通过建立多元线性回归模型对内电路参数进行辨识,并提出通过间接观测蓄电池平衡电动势来辨识荷电状态的方法。该方法基于改进的Thevenin电池模型,以等效电容量来表征锂电池的容量特性。在循环周期内可通过测量放电前后开路电压变化量和电荷变化量来辨识等效电容;等效电容又可以在短时间内动态估算平衡电动势以作为辨识荷电状态的主要变量。通过一个循环周期内的脉冲放电实验验证了所采用的改进电池模型和辨识方法的有效性和准确性。     

基于参数辨识的电动舵机系统健康仿真和评估

针对目前电动舵机系统故障诊断方法不能有效预测缓变故障,提出基于舵机系统模型的状态变量检测法对飞行器常用的执行机构电动舵机系统进行健康分析与仿真评估。分析电动舵机系统子系统电机本体、控制器、传动机构的常见故障,对其中反映系统性能的关键参数进行数学建模;通过对系统注入不同的健康参数得到相关故障状态下的状态变量特征,进而作为定位故障源的知识库,引入健康因子评估故障参数的变化趋势;仿真算例选择电机本体的主要物理参数电机绕组阻值和反映永磁体性能的电机力矩常数作为健康因子,通过定位知识库建立的健康因子评估算法验证了方法的可行性。     

基于多种评价方法的储油库风险评价研究

不同的安全评价方法各有其应用优点和不足,实践表明将多种方法综合应用将取得较好的安全评价效果。以中国石油某商业储备库为研究对象,针对不同的评价单元,基于不同评价方法的特点与优势,采用安全检查表法、预先危险性分析法、美国道化学方法、易燃易爆重大危险源伤害模型评价法、事故树法、作业条件危险性评价法6种方法对该油库系统深入地进行了安全评价及危险性分析,并对评价结果进行了分析比较。在此基础上,提出了储油库设计建设及日常运营过程中应采用（取）的安全设施和安全措施,为储油库的安全设计、施工及安全运营奠定了坚实的基础。     

抗差最小二乘估计在惯组外场标定中的应用

惯组在外场进行标定时常常会受到环境的振动干扰,从而会对惯组的标定精度造成极大的影响.为解决这一问题,在分析了粗差对惯组标定精度影响的前提下,建立了一种改进的辨识惯组误差系数的数学模型,使其能够分辨出那些受到振动干扰影响的惯组误差系数.最后利用抗差最小二乘估计对惯组误差系数进行处理,通过等价权函数的连续降权和连续减弱影响处理,抵制了异常数据对惯组标定精度的影响.仿真结果表明,抗差最小二乘估计具有很强的抗差能力,能有效减弱异常干扰对参数估计的影响,提高惯组外场标定的精度和数据的可靠性.     

辨识保密风险 建立控制机制

为切实做好保密工作,军工单位要加强业务工作中的保密风险辨识,采取有效的控制机制,降低泄密风险军工单位安全保密工作在国防科工局监督管理下,强化保密管理措施,完善保密管理体系建设,确保国家秘密安全,为建设"与我国国际地位相称、与国家安全和发展利益相适应"的先进国防科技工业做出了积极贡献。回顾近年来保密体系建设的实践,体会到保密管理要落实"业务工作谁主管,保密工作     

基于粒子群聚类的导弹直接侧向力模型辨识

为了充分挖掘数据的潜在规律,提出一种基于粒子群模糊C均值聚类的模型辨识方法,该方法首先对实验数据进行分类,得到最佳聚类数和聚类中心,然后对不同的类分别辨识.新数据可以根据到不同聚类中心的距离划分为不同的类,再根据该类的辨识模型得到输出结果.依据风洞实验数据,采用粒子群模糊聚类对直接侧向力模型进行了辨识,辨识结果表明,与直接辨识相比,该方法的辨识精度明显提高,其辨识结果可以为控制系统的设计提供依据.