基于动力学模型的柔性加工设备机电系统状态监测与故障预警

在建立的加工设备机电系统精确动力学模型及对模型参数实时辨识的基础上［１］，建立柔性加工设备机电系统的状态监测模型，包括ＢＡＹＥＳ故障检测、突发故障检测及故障分析与定位等；同时利用Ｋｕｌ－ｂａｃｋ信息距离和多层递阶ＡＲ模型实现系统的状态与故障预警。在加工设备上的实验表明模型可行有效，它能排除柔性多变工况、时变性及随机干扰对监测与预警功能的影响，提高其鲁棒性和自适应能力。     

VXI Plug & Play : 一种组建测试系统的理想规范

介绍了对推动ＶＸＩ技术发展具有重要意义的ＶＸＩＰｌｕｇ＆Ｐｌａｙ系统联盟成立的背景以及ＶＸＩＰｌｕｇ＆Ｐｌａｙ规范的主要内容,制定规范所遵循的原则和要求,对ＶＸＩＰｌｕｇ＆Ｐｌａｙ发展前景做了展望,说明了虚拟仪器软件结构的框架,并初步探讨了组建一个自动测试系统的方法和步骤以及如何利用ＶＸＩＰｌｕｇ＆Ｐｌａｙ设计仪器驱动程序。     

数据融合技术与潜艇指控系统的发展

就潜艇指控系统的现状和发展,综述了数据融合技术在潜艇指控系统中的应用前景。     

数据加密实现方法

数据隐密性保护和数据完整性保护是数据加密的两个不同范畴。本文从这两个不同范畴出发,简要分析了几种具有代表性的加密体制。     

空中预警机

本文说明什么是空中预警机,它在战争中的作用,以及E-2C 空中预警机的特点。详细叙述了E-3A 的六个航空电子设备分系统和空中预警机的发展趋势。     

KD-RTI/DDM中的组播分配策略

组播技术的应用可以有效提高RTI的实现性能。介绍了组播分配的一般理论和实现方案,详细展示了KD RTI中的组播分配策略,讨论了组播应用过程中出现的问题,同时给出了解决方法。     

基于数据分发服务的无人机任务载荷综合仿真平台研究

现代无人机在军用、民用等领域都有着越来越广泛的应用,而载荷是无人机完成特定重要任务的必要设备,对载荷设备的选型和验证是非常重要的一个环节.针对无人机载荷选型以及载荷试验过程复杂、试验周期长、试验成本高的问题,设计了一种基于数据分发服务通信技术的无人机任务载荷综合仿真平台.该平台以载荷仿真为主体,同时结合任务仿真、通信仿...     

车联网环境下车辆协同高精度定位研究进展

车辆位置信息是许多智能交通应用的基础,如车辆导航、路径规划和车辆编队等.现有研究中融合单车车载多源传感器的定位方法无法有效解决城市峡谷、隧道和立交桥等卫星信号不可用条件下的车辆定位问题.围绕车辆高精度定位进行了综合评述,主要深入研究分析了车辆协同定位技术.首先分析了单车自主定位的关键技术及其主要应用场景;然后对车辆协同...     

逐步Ⅰ型混合截尾试验下Burr部件的可靠性分析

在逐步Ⅰ型混合截尾试验下,研究了Burr部件寿命参数及可靠性指标的极大似然估计和Bayes估计.利用简单迭代方法,给出了寿命参数和可靠性指标的极大似然估计的数值解.然后利用Lindely Bayes近似算法得到了平方损失下寿命参数以及可靠性指标的Bayes估计.最后,运用Monte-Carlo方法对各估计结果作了模拟比较,结果表明Bayes估计较极大似然估计的误差小.     

Robust adaptive UKF based on SVR for inertial based integrated navigation

Aiming at the problem that the traditional Unscented Kalman Filtering (UKF) algorithm can’t solve the problem that the measurement covariance matrix is unknown and the measured value contains outliers, this paper proposes a robust adaptive UKF algorithm based on Support Vector Regression (SVR). The algorithm combines the advantages of support vector regression with small samples, nonlinear learning ability and online estimation capability of adaptive algorithm based on innovation. Firstly, the SVR model is trained by using the innovation in the sliding window, and the new innovation is monitored. If the deviation between the estimated innovation and the measured innovation exceeds a given threshold, then measured innovation will be replaced by the predicted innovation, and then the processed innovation is used to calculate the measurement noise covariance matrix using the adaptive estimation algorithm. Simulation experiments and measured data experiments show that SVRUKF is significantly better than the traditional UKF, robust UKF and adaptive UKF algorithms for the case where the covariance matrix is unknown and the measured values have outliers.