基于统一理论框架的故障诊断模型及学习进化方法

本文以概率图理论为基础,系统研究了基于这一理论框架的故障诊断模型,对模型的构建方法以及在不同场景下的模型演化方案进行了探讨,使得在统一理论框架下可实现多模式系统故障诊断、耦合故障诊断、动态故障诊断、故障预测等复杂情形的诊断。为了弥补单独利用基于模型的方法和基于数据的方法的缺陷,研究了诊断模型的学习进化策略,实现了诊断效果的改进和优化。另外,对模型后续的能力扩展和可能的研究方向进行了展望,为后续理论研究提供了参考。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于形态分量分析和EEMD样本熵的自动机故障诊断

针对自动机故障诊断过程中振动信号故障特征较难提取的问题,提出了结合形态分量分析(MCA)和总体经验模态分解(EEMD)的自动机故障特征提取方法。根据自动机振动信号组成成分的形态差异,利用形态分量分析方法构建不同的稀疏字典对各组成成分进行分离,消除噪声分量,提取出反映主要故障特征的冲击分量;对所提取的冲击分量进行EEMD分解并计算各IMF分量的样本熵值,以此作为故障特征向量输入基于离子群优化的支持向量机(PSO-SVM)进行识别。通过自动机典型故障诊断试验表明:形态分量分析方法可有效分离出自动机振动信号中的冲击成分;同时,所提出的特征提取方法能够有效地进行自动机故障诊断。     

战争设计工程中多层次任务分解方法

战争设计工程是针对未来战争进行设计的,需要充分发挥各领域专家集体智慧.对领域专家在战争设计各个阶段执行活动的分析,是确定对领域专家选取指标体系和确定战争设计工程团队的基础.首先分析了战争设计工程(WDE)中领域专家的组成,进而给出了战争设计流程中各阶段领域专家需要完成的任务,在此基础上,提出了一种多层次任务分解方法,用于构建各领域专家在各个阶段需要完成的活动集.     

舰艇编队作战系统的武器目标分配问题

设我方m艘战舰,对方n个来袭目标.运用灰色局势决策求得目标对各个战舰产生的威胁值排序;再用模拟退火算法,参考目标威胁,单舰根据自身装载的火力发射进行初步武器分配;最后将分配结果传送至融合中心,应用大系统理论的分解协调法,协调武器分配,使得我方武器对本批目标的打击概率最大.仿真基于VC++编程实现,具体分析了算法及思想的可行性.     

基于Wigner分布的干扰项抑制及算法

Wigner分布是一种真正意义上的时频分析方法,但存在其固有缺陷即虚假时频谱(干扰项)问题.将实信号转化成所对应的解析信号,并采用Choi-Williams方法对Wigner分布进行修正,实现了对干扰项的有效抑制,获得了满意的信号时频谱.给出了用解析信号计算信号Wigner分布及Choi-Williams分布算法.通过几个典型信号(多分量信号、调频信号等)对所研制的软件进行仿真实验,结果与理论相符,表明了软件算法的正确性.     

基于混沌振子列的微弱舰船轴频电磁场信号频率检测

针对远程探测频率未知的舰船轴频电磁场这一难题,提出了一种基于混沌振子列的微弱信号频率检测方法,通过该方法能有效地将强复杂背景噪声下的微弱轴频电磁场的频率检测出来.然后,讨论了不同阻尼比对系统性能的影响,并通过对比分析得出最优阻尼比.最后,用该方法对舰船轴频电磁场信号进行处理,结果证明了该方法的有效性.