基于压缩感知的多频率信号融合

传统多频带雷达信号融合是利用多个连续采样的子带信号来重构全频带信号,从而提高距离向分辨力,改善一维距离像质量。但是由压缩感知原理可知,采样矩阵与测量矩阵不相关性越大,全频带信号就能重构得越好,因此理论上基于随机采样的信号融合的性能要优于基于多个连续采样的信号融合。基于压缩感知原理将传统的多频带融合问题推广为任意随机采样的信号重构问题,利用基追踪方法来重构全频率信号,并给出了能够高概率成功重构的充分条件。通过实验也证明了这种随机采样融合的优越性。     

涡轮泵状态监控及传感器故障识别的新异类检测方法

为了在故障样本稀缺、故障模式不完备的情况下监控涡轮泵状态,并剔除传感器失效故障造成的虚警,提出用于涡轮泵状态监控及传感器故障识别的单类支持向量机新异类检测方法。该方法以正常状态为目标类构建单类支持向量机检测器,用于检测涡轮泵是否出现异常;以传感器故障为目标类构建单类支持向量机检测器,用于判断检测到的异常是否属于传感器故障。对涡轮泵试车数据的分析结果表明了该方法的有效性。     

基于信号处理的齿轮箱状态监测与故障诊断

针对工程上齿轮箱实时监测和故障诊断的需要,对JZQ 250型齿轮箱展开研究,提出了状态监测特征值和故障特征向量相结合的分级诊断方法。通过时域参数分析提取监测特征值作为一级诊断,利用能量比重谱的方法,提取故障特征向量作为神经网络的输入向量进行故障诊断为二级诊断。实验结果表明,该方法不仅满足工程上实时在线诊断的要求,而且能够准确进行齿轮箱故障定位。     

避开“负螺旋”状态

调查中发现,不少单位把目标定在了＂只要第一,不要第二＂、＂刻苦练精兵,科目全优秀＂,认为目标越高越好,压力越大越好。于是体能每天考试、训练每周评比、工作半月排名、进步每月定位,还美其名曰＂井无压力不出油,人无压力轻飘飘＂,似乎压力成了支撑官兵训练、工作、生活、学习的＂动力源＂。然而一些同志却因一再的失败,感觉到自己和部队要求差距太大,丧失了在部队发展进步的勇气,怀疑起自己当初的选择。     

基于风险评估的检测与修理决策模型

研究了基于故障风险的检测与维修策略,运用威布尔比例风险模型建立系统故障率与工作时间及所处状态的关系。分析了两类基于间接状态信息维修决策的风险,建立了系统检测及维修策略的决策树,通过比较检测与不检测情况下的期望费用确定最优的检测间隔。算例表明,所提出的方法能够有效控制系统运行风险,降低系统运行费用。     

GJB 6387-2008的解读

本文对GJB 6387-2008《武器装备研制项目专用规范编写规定》的主要内容进行了分析,以探讨在武器装备研制中编写专用规范的重点。     

认知Ad Hoc网络的MAC层研究综述

MAC层是认知Ad Hoc网络一个很重要的研究领域。它决定频谱的感知策略和接入策略,在保证主用户不受影响的前提下,实现与主用户及其它认知用户的共存。文中综述了认知Ad Hoc网络MAC协议的设计要求以及当前面临的问题和挑战。然后对认知Ad Hoc网络进行了分类。对几种典型的MAC协议进行了分析和对比。最后展望了未来的研究方向。     

基于预测的战场态势感知信息分发机制

针对目前战术互联网传输能力无法满足态势感知信息传输要求的现状和态势感知信息存在大量冗余的特点,提出了一种基于预测的战场态势感知信息分发机制。通过Qualnet软件对这种方式进行了仿真验证,结果表明在可用带宽紧张时,预测方式相对于原有的周期分发方式,降低了数据的发送量,并能提供更高精度和时效性的态势感知信息。     

光伏发电系统蓄电池SOC预测技术研究

准确且可靠地获得蓄电池的SOC值是电池管理系统首要任务。由于SOC受许多因素如环境温度、充放电次数、电池老化等因数的影响,采用传统的SOC预测技术很难得到理想的效果。本文描述了一种采用神经网络和模糊逻辑推理的SOC预测方法。在该方法中,通过建立神经网络模型把蓄电池不同放电电流下的端电压修正为相同SOC下放电电流为I20时的端电压U20,然后采用模糊逻辑推理,对U20和环境温度T进行模糊推得得出蓄电池SOC值。经仿真证明了该方法能够准确且可靠地获得蓄电池的SOC预测值。     

电离层状态非稳定条件下的多路径Viterbi跟踪算法

多路径Viterbi数据关联跟踪算法(MVDA)研究了运用动态规划的优化算法解决天波超视距雷达多路径数据关联问题,该算法是基于电离层状态已知稳定条件下的.提出一种电离层状态非稳定条件下的多路径Viterbi跟踪算法,该算法针对无法精确获得电离层状态时,量测模型中的电离层状态参数不确定导致雷达坐标系/地理坐标系之间的坐标变换存在的不确定时,在最大似然的意义下的回波、传播模式和航迹的三维数据关联.仿真表明:在电离层非稳定状态下MVUI提高了低检测概率时的跟踪性能,大大降低了失跟率,并提高了跟踪精度.