基于奇异谱修正香农熵的雷达信号识别方法

针对当前雷达辐射源识别在低信噪比下识别率准确率不高,信号处理过程中难以很好保留有用信息的问题,提出了一种基于奇异谱修正香农熵(Singular Spectrum Modified Shannon Entropy,SSSE)的雷达调制信号识别方法.通过符号化聚合近似和奇异谱分析对雷达信号进行处理,求出信号的分类特征SSSE,通过分类器将处理后的信号进行分类.仿真结果显示,该方法在低信噪比范围下,仍有较高总体识别率,并且优于符号化聚合近似和奇异谱分析法.     

自主式车载组合导航系统研究与仿真

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与惯导/里程计/气压高度表组合导航系统相结合使用,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型。相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制了滤波的发散,提高了滤波的精度。最后对组合导航系统进行仿真验证,取得了较为满意的结果。与INS/GPS组合导航系统相比,该系统具有良好的自主性及适应性。     

互耦影响存在时修正MUSIC算法的DOA估计

首先用矩量法精确分析了考虑互耦影响时天线阵元的电流分布,给出了计算电流的解析式,并仿真计算了单元直线阵的电流分布。然后以等效网络法为基础研究互耦影响存在时修正MUSIC算法的DOA估计性能,仿真实验表明在互耦影响存在时MUSIC算法失效,而修正MUSIC算法仍然具有良好的DOA估计性能。     

具有热阻、热漏和内不可逆性的联合卡诺热机生态学优化

用有限时间热力学的方法分析具有热阻、热漏、内不可逆性的定常流联合卡诺型热机循环.导出了在傅立叶导热定律下联合循环功率、效率和生态学指标的性能,并进行优化;得到功率、效率和生态学指标之间的优化关系,并由数值计算分析了功率、效率和循环熵产率之间的关系.所得的结果表明,最大生态学指标下的效率十分接近于联合循环可以达到的最大效率;相应的熵产率也要低于以输出功率为优化目标时的熵产率.     

粗糙集中不确定性测量的修正粗糙熵方法

分析了引起粗糙集中不确定性的因素,对已有的测量不确定性的粗糙度与粗糙熵方法进行了比较,提出了一种修正的粗糙熵方法,证明了此粗糙熵的性质,并将基于等价关系的修正粗糙熵拓展到基于一般二元关系下的广义修正粗糙熵,同时给出了广义修正粗糙熵的定义及性质.通过分析和实例可以看出,所提出的修正粗糙熵方法可以用来更合理、更精确地测量粗糙集中的不确定性.     

基于奇异值分解的潜艇磁场推算

针对潜艇磁性防护,基于磁偶极子阵列模型,建立了潜艇磁性目标高精度磁场计算模型。提出了利用奇异值分解的方法对模型进行求解,利用该求解算法进行了模型计算与实测数据比对,结果表明,该计算方法能够有效适用于计算高精度潜艇磁场。基于奇异分解的方法计算了潜艇高空磁场,计算结果可供潜艇防护磁性探测参考。     

弹道修正弹系统效能灵敏度分析

灵敏度分析是武器系统效能分析中的一项重要内容,针对正交试验的不足,在分析了弹道修正弹系统效能的影响因素的基础上,建立了基于均匀设计的弹道修正弹系统效能的回归模型。通过对模型求导得到了命中概率对各参数的灵敏度表达式,并进行优化分析,得到了系统效能参数的最优组合以及最优区间,研究结果可作为弹道修正弹参数优化设计的依据。     

热处理对FeCrNiCoCu高熵合金涂层的影响

采用自动化高速电弧喷涂技术,并结合FeCrNiCoCu粉芯丝材制备了高熵合金复合涂层,使用差示扫描量热法分析了涂层中非晶结构的转变温度.同时,对涂层进行了不同温度条件的热处理,研究了热处理前后涂层的组织结构、硬度及其磨损性能.结果显示:高熵合金涂层在500℃附近发生了非晶结构的晶化转变;热处理前涂层中主要含有CuNi、Fe3Ni2、Cr2Ni3等组成的面心立方结构固溶体和少量Fe3O4相,热处理后,氧化物Fe3O4峰强度随着加热温度的升高而增强,并且当温度超过500℃后,涂层中出现了Ni-Cr-Fe相;涂层的显微硬度随着热处理温度的升高而升高,在500℃出现最高值,涂层表现出了明显的回火硬化特征,耐磨损性能较热处理前的涂层有明显提高.     

基于遗传算法的准维燃烧模型修正方法

针对目前准维燃烧模型不能客观反映高原柴油机工作过程的问题,提出了一种基于计算机智能仿真模型修正方法.采用正交试验的极差分析,计算并识别出准维燃烧模型的经验参数对柴油机性能影响的主次顺序,并确定为待修正参数.基于遗传算法,以试验数据为依据,对柴油机准维燃烧模型进行修正.修正后的柴油机工作过程模型误差在4％以内,为深入开展高原环境柴油机性能研究奠定了基础.     

基于MED的滚动轴承故障特征提取方法及其应用

为提取微弱的轴承故障信号,研究了一种基于最小熵反褶积(Minimum Entropy Deconvolution,MED)的滚动轴承故障特征提取方法:在利用AR模型去除齿轮啮合产生的确定性信号的基础上,对保留信号进行最小熵反褶积,增强冲击信号.该方法避免了传统轴承故障诊断方法中带通滤波器设计的难题,实车测试表明:与共振解调技术相比,该方法提取的滚动轴承故障特征更加明显,更适合于工程应用.