OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

基于犹豫度特征改进的新的直觉模糊相似度

直觉模糊集之间关系的密切程度可用相似度来度量。近年来提出了多种定义两个直觉模糊集相似度的方法,但这些方法对犹豫度的考虑不够,因而计算出的相似度大多存在反例。依据直觉模糊集信息的波动性和不确定性特征,补充拓展定义了直觉模糊相似度,并基于此给出了直觉模糊相似度的计算公式。最后在人工框架测试集中进行了验证,结果不存在反例。     

基于灰狼算法的机器人多关节综合运动轨迹优化

针对机械臂运动需满足高效率和低冲击的问题,在分析机械臂轨迹规划流程的基础上,选取了机械臂末端运动轨迹的六个关键路径点,并基于灰狼算法以时间、平滑度为目标对机械臂运动轨迹进行了优化,获得pareto最优解集。对六自由度机器人的仿真结果表明:将灰狼算法与机械臂的轨迹优化结合能得到比较好的仿真结果,理论上实现了在运动过程中抑制振动,为解决该问题提供了新的方法。     

波纹度故障下低压转子系统的非线性动力学研究

针对转子系统存在滚动轴承波纹度故障的问题,以某船用燃气轮机低压转子系统为研究对象,建立了轴承波纹度故障下的双跨三支承滚动轴承转子系统的动力学模型,并采用龙格库塔法对该系统的运动微分方程进行数值求解,研究了波纹度最大幅值和波纹度个数对系统的非线性动力学特性影响规律。结果表明:随着波纹度最大幅值的变化,系统逐渐进行周期四、周期二、一个混沌域和拟周期运动;当波纹度个数远小于或远大于滚动体个数时,系统进行单周期运动,当波纹度个数接近滚动体个数时,系统进行拟周期运动,特别是当波纹度个数是滚动体个数的整数倍时,系统的非线性动力学特性变得十分复杂。研究结果可以为滚动轴承的故障诊断提供一定的理论依据,降低轴承波纹度对低压转子系统非线性动力学特性的不良影响。     

压制干扰环境下目标跟踪的改进粒子滤波算法

针对压制干扰环境下传统粒子滤波算法跟踪效果不佳的问题,在传统粒子滤波算法的基础之上,融合压制干扰条件下的有用量测信息,构造了一种新的粒子滤波算法。在算法的实现过程中,通过采用伯努利(Bernoulli)分布重新构造了压制干扰环境下发生量测数据丢失的传感器模型,在此基础上通过充分考虑有效量测值以及量测丢失时的一些有用量测信息,推导出了闪烁噪声条件下的似然函数,直接用于粒子权重更新的计算,并且通过纯方位跟踪以及协同转弯机动模型,仿真验证了该算法极大改善了标准粒子滤波算法的稳定性和提升了粒子滤波算法的估计精度。     

基于EML模型的备件库存优化方法

针对当备件重要度不同时METRIC模型无法再使用边际效应法及在有限的保障经费和仓库空间约束条件下的备件库存问题,建立了评价备件重要度的12个指标,并给出了备件重要度的求解步骤;以装备可用度模型为基础,结合备件重要度,改进了边际效应法;以仓库空间、装备可用度为约束条件,以保障费用为目标函数,给出了以改进的边际效应法求出备件库存配置方案的步骤;案例研究表明:采用EML模型可以在最大化利用约束条件、满足目标要求、重点照顾重要度高的备件,同时对重要度一般的备件也能兼顾。     

非均匀湍流场中螺旋桨噪声研究

针对螺旋桨在湍流中的非定常噪声问题,在均匀湍流下螺旋桨宽频噪声相关性法的基础上,推导了非均匀湍流下螺旋桨宽频噪声的公式。在均匀湍流的研究中使用了十桨叶螺旋桨模型,并将计算结果与试验数据进行了对比,发现吻合较好。对于非均匀湍流中的问题,研究发现湍流的不均匀程度不会对宽频谱波峰的位置产生影响,噪声谱波峰的位置仍然取决于叶频,湍流的不均匀程度只会改变叶频处的波峰高度。最后研究了均匀湍流和非均匀湍流中侧斜角对螺旋桨噪声的影响,发现桨叶侧斜角的存在会降低螺旋桨在湍流中受到的宽频噪声。