舰船交流环形电力网络短路电流计算

根据舰船交流环形电力网络的特点,提出了一种简单有效的短路电流计算方法。该算法以电站为独立单元,依据网络结构和系统参数分别对发电机和电动机进行等效,利用星网等值变换将环形电力网络简化为各电源直接与短路故障点通过阻抗相连的形式,然后通过短路电流改进算法计算故障点的电流。仿真结果表明,该算法准确度较高,满足实际工程要求,为复杂结构独立电力系统的短路电流计算开辟了一条新途径。     

“2004国际计算机学术大会”在后勤工程学院成功召开

"2004国际计算机学术大会"于2004年5月28日至30日在后勤工程学院隆重召开。本次学术大会由"第三届国际小波分析及应用学术大会"和"第二届智能体媒介技术"专题学术大会组成,以小波分析及应用和智能体媒介技术为中心议题,来自世界各地150所大学和科研机构的231名专家学者参加了此次学术会议。     

脉冲轮廓建模仿真与去噪

脉冲轮廓是脉冲星的一个重要物理特性,是脉冲星导航的关键观测量。为深入研究脉冲轮廓的理论特性,建立了脉冲星的标准脉冲轮廓数学模型与观察脉冲轮廓数学模型,用指数函数拟合了蟹状星云脉冲轮廓的轮廓函数,并以此为基础模拟了蟹状星云的标准脉冲轮廓。通过模拟非齐次泊松随机打靶实验获得了光子到达时间的仿真测量值,模拟了蟹状星云的观察脉冲轮廓,仿真结果表明该模型能很好地描述巡天观测的脉冲轮廓。对含噪声的脉冲轮廓进行小波阈值去噪,通过数值分析,认为GCV阈值去噪方法对观测脉冲轮廓有很好的去噪效果。     

基于Hough变换撤票策略的目标微多普勒提取

微动特征的提取对于目标识别具有重要意义,但现有算法提取多分量旋转目标微多普勒参数的计算量太大.针对这一问题,提出了一种Hough变换撤票策略,对时频空间进行Hough变换得到参数空间,对已包含所有信息的参数空间进行多次撤票,便可分步得到微多普勒信号参数.仿真实验验证了该方法的有效性.     

一种SAR图像特征提取和目标分类的新方法

提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法.该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类.采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率.     

一种基于FMA加速FFT计算的向量化方法

提出一种基于融合乘加指令加速FFT计算的向量化方法,通过变换FFT的蝶形单元运算流程,将传统计算方式中独立的乘法和加法操作组合成次数更少的融合乘加操作,使得DIT基2 FFT算法的蝶形单元计算的实数浮点操作由原来的10次乘(加)操作减少到6次融合乘加操作,DIT基4 FFT算法的蝶形单元计算的实数浮点操作由原来的34次乘(加)操作减少到24次融合乘加操作;优化了蝶形因子的向量访问,减少存储开销。实验结果表明,提出的方法能够显著加速FFT的计算,取得高效的计算性能和效率。     

基于粗糙集理论的飞行轨迹识别

针对飞行轨迹人工识别对专家经验依赖性强,识别准确率不稳定的问题,提出一种基于粗糙集理论的飞行轨迹识别方法。首先,对飞行轨迹进行特征提取,获取用于轨迹类别判定的条件属性和决策属性;其次,利用模糊自组织神经网络对飞行轨迹决策表离散化,采用启发式遗传约简算法对条件属性约简,消除了冗余属性对识别结果的影响;最后,利用实际飞参数据进行轨迹识别,结果证明该方法准确有效。     

基于GA-小波-BP神经网络的装备维修能力评估

针对传统装备维修保障能力评估主观性强、适应性弱的特点,提出了一种以装备维修记录为样本数据的基于误差反向传播(back propagation,BP)前馈神经网络的维修能力评估方法.为消除维修记录属性冗余,选用粗糙集主分量约简算法,对样本属性进行约简,为避免BP神经网络因局部极值导致局部收敛和收敛速度过慢的影响,利用遗传...     

新阈值算法在再制造发动机振动信号降噪中的应用

在运用小波分层阈值降噪方法对再制造发动机磨合振动信号进行降噪处理的过程中,结合现有方法,提出了一种新的分层阈值确定方法,通过仿真对比分析,证明了该方法的优越性,得出了适用于再制造发动机磨合振动信号降噪处理的方法.小波时频分析结果证明了该方法的有效性,为下一步磨合振动特征的提取奠定了基础.     

基于最优Morlet小波的全信息能量熵提取及其在滚动轴承状态监测中的应用

为利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,综合利用小波变换技术和全信息技术,提出一种基于最优Morlet小波变换的全信息能量熵提取方法．以最小Shannon熵优化Morlet小波形状参数,通过多源振动数据的小波变换系数,利用信息熵综合反映冲击特征能量在不同频带分布差异．滚动轴承全寿命数据的应用结果表明,全信息能量熵的变化趋势能够监测轴承状态的劣化过程,而伴随的早期故障检测可以提高轴承使用的安全性．