FMEA与粗糙集相结合的故障预测方法

基于FMEA和粗糙集决策系统基本理论,对飞机中分系统故障预测问题进行了研究。首先定义故障预测所需的征兆并对系统进行FMEA,按照FMEA分析结果分次向系统模型注入引起特定故障的事件,采集含有故障趋势的系统模型的信息用于构建适用于故障预测的粗糙集决策表,对该表进行了处理,最终发现用于故障预测的知识(即决策规则和算法);最后运用所发现的知识进行故障预测。     

时序驱动的详细布局方法

针对超大规模集成电路布局过程中时序优化问题,提出一种时序驱动的详细布局方法。对设计进行时序分析并获取时序违反路径集合,对路径上两个连续固定单元间的线网进行平滑处理,以减小路径曲折度以及减少线长。再针对每一个可移动单元与其相邻的线网建立二次规划时序模型,求解局部最优布局位置。对于给定的测试电路,实验结果表明,最差的时序违反与总的时序违反均有明显改善,采用ICCAD2015竞赛的测试模板和评价方法,总的时序性能有45~350 min的提升。     

MARK XIIA Mode 5系统仿真及抗干扰性能分析

Mark XIIA Mode 5是美军及北约盟军用以提高态势感知能力的新型敌我识别系统。以其为研究对象,首先分析了它所应用的关键技术,如RS纠错编码、软扩频和MSK调制等新技术;其次根据所应用的关键技术对系统进行了模型构建,并以Matlab为仿真平台进行了仿真,得出了询问/应答信号的时域波形及频谱;最后,重点对系统的抗干扰性能进行了分析,分别得出了MSK解调后、解扩后和RS解码后的误码率曲线,可以看出Mark XIIA Mode 5具有很强的抗干扰性能。     

基于EMD和二叉树支持向量机的调制识别算法

针对数字调制模式识别问题,提出了一种基于经验模式分解(EMD)和二叉树支持向量机的识别算法。该算法通过对数字信号进行经验模式分解,利用分解得到的本征模式函数构造分类特征,再运用二叉树支持向量机作为分类器实现了6种信号的分类。仿真结果表明,该算法具有很好的识别性能。     

减缩可分为三个子结构大型构件自由度数的模态综合法研究

应用模态综合法,具体分析了由三个子结构所组成的系统。首先将各子结构的运动方程用该子结构的模态坐标表示出来,在模态空间内作自由度减缩。然后根据边界条件将各子结构联系起来,综合得到整个系统的运动方程,从而大大减少了系统的自由度数。     

面向提高分析效率的战场损伤分析（FMEA／DMEA）方法研究

战场损伤分析是战场抢修研究、准备和决策的基础。从装备战场损伤分析出发,针对目前战场损伤分析(FMEA/DMEA)中存在的过程复杂、内容较多和效率不高等问题,探讨了如何利用基础性损伤数据和已有分析案例为FMEA/DMEA提供数据支持,提高分析效率。     

EEMD联合AOK-TFR提取车辆微多普勒特征

利用连续波雷达探测运动车辆时,非线性、非平稳的多分量回波信号不易解析提取,基于此,提出了联合总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和自适应最优核时频分布(Adaptive Optimal Kernel Time-Frequency Distribution,AOK-TFR)的方法提取运动车辆的微多普勒(micro-Doppler)特征。建立了车体振动和车轮转动对雷达回波信号产生的复合调制效应数学模型,并对多分量回波信号进行了EEMD,通过联合AOKTFR解析回波信号的固有模态分量,得到了较清晰的微多普勒时频像,较好地克服了地杂波带来的EMD模态混叠。仿真分析表明该方法提取到的微多普勒特征参数与仿真参数吻合,证明了该方法的有效性。     

基于镜像延拓和神经网络的EMD端点效应改进方法

经验模态分解(Empirical Mode Decomposition,EMD)在机械故障诊断中存在一个比较严重的问题,即端点效应。镜像延拓是克服端点效应的有效方法,采用镜像延拓处理端点效应时,要求将镜面放置在局部极值点处,针对这一问题,提出了一种基于镜像延拓和神经网络相结合的数据延拓方法。采用神经网络预测原信号序列,将信号向前向后各延拓一个极值点,再采用镜像延拓有效地减小EMD分解中的端点效应。通过对仿真信号的分析,验证了该方法能有效抑制EMD方法中的端点效应问题。