弹性BP神经网络消除轮速传感器误差方法的研究

汽车轮速是汽车运动状态参数的主要信息源,是控制系统的核心,其精度直接影响这些系统的性能.为了提高轮速的精度,降低传感器的研制成本,提出了一种基于弹性BP神经网络的误差分析方法消除轮速传感器误差.将改进的BP神经网络--弹性BP神经网络用于误差分析,并提出误差匹配的算法.理论和仿真结果表明,该方法使绝对误差达到2×10-4>rad,能够有效地消除传感器误差,提高轮速信号的精度.     

混合信号边界扫描测试控制系统的设计实现

现代装备火控系统中混合信号电路越来越普及,为了实现对其快速故障诊断,以IEEE 1149.4标准为依据,设计实现了一个基于边界扫描技术的数模混合信号测试控制系统。仿真实验表明,该测试控制系统操作简便,测试准确,测试效果好,为装备电子系统机内测试应用奠定了基础。     

基于EMD和神经网络的气阀机构故障诊断研究

运用经验模态分解(EMD)对柴油机缸盖振动信号进行分析,求得各内禀模态函数(IMF)的能量百分比;将能量百分比作为神经网络的输入进行网络训练和故障识别,实现了气阀机构的故障诊断,取得了较好的效果。     

特征信号检测法

本文以信号极点的不变性为基础,构造了一种用于可自设计的主动式系统在强噪声背景下的极微弱信号检测的检测器——特征信号检测器。文章在分析经典检测方法对极弱信号检测存在的问题的基础上,提出了特征信号检测的思想。讨论了该方法的基本原理及仿真实验结果。Monte carlo实验表明,这种特征信号检测器的性能对信噪比不敏感,可以在极低信噪比下检测出微弱信号。     

随机共振原理在强噪声背景信号检测中的应用

动态系统中的噪声常被认为是令人讨厌的东西 ,但在特定的非线性系统中 ,噪声的存在事实上能够增强微弱信号的检测能力 ,这种现象就是随机共振 (SR ,stochasticresonance) ,它在物理、工业技术和生物医学领域里具有广泛的应用潜力。给出了利用随机共振原理检测微弱周期信号的基本方法 ,并采用模拟的信号对该方法进行了分析与验证。结果表明 ,该方法简单、稳健、可靠 ,能把信噪比较低的周期信号从强背景噪声中可靠地提取出来 ,将在机械故障诊断领域展示诱人的前景     

采用单片机的自动电子信号键设计

本文介绍了一种采用单片机的新型电子信号键的设计思想和工作原理,并给出了实用电路和程序流程框图。     

由核爆炸光信号取谷测当量方法新探

依据实测的核爆信号波形之数字化数据样本,对取谷方法作了较深入的研究。在频谱分析的基础上设计了适用的ＦＩＲ滤波器。对不同信噪比的混噪信号进行了滤波抗噪性能仿真实验。     

一种带限信号重建和外推的方法

讨论一种新的高频重建的数值方法。此方法包括三步:首先将问题用傅立叶变换到频域;其次,用Tikhonov正则化方法求问题的正则解;最后用傅立叶反变换变回时域。它能充分利用卷积型积分方程的特性,计算复杂度低。文中给出算法,证明收敛性;还给出计算机实验结果。