脉冲功率电源故障诊断方法研究

脉冲功率电源是电磁发射系统中最容易发生故障的薄弱环节,脉冲功率电源故障会使整个系统性能下降。针对脉冲功率电源故障,提出基于多层小波分析提取故障信息的模式搜索支持向量机故障诊断方法。通过建立脉冲功率电源的软故障模型,进行仿真分析获得电流故障数据样本,对故障样本进行离散小波分解,获得指定层细节信息的小波系数作为故障特征量;对故障特征量进行主成分分析,将小波系数进行降维,以便有效地进行故障诊断。通过实验,将所提方法故障诊断结果与其他三种故障诊断结果进行比较,验证了所提方法的有效性。     

利用最小二乘支持向量机求解潜艇内外磁场映射模型

为提高潜艇磁隐身能力,应对潜艇固定磁场进行实时监测,提出利用最小二乘支持向量机的潜艇内外磁场映射方法。结合内外映射法和最小二乘支持向量机原理,通过交叉验证优化模型参数,建立由内到外的潜艇磁场映射模型。以潜艇外部垂向固定磁场变化量为分析对象,仿真和实验结果均与标准值吻合良好。与径向基神经网络算法相比,该方法的泛化能力和推算精度有明显提高,且更符合工程实际,对闭环消磁技术的研究具有指导意义。     

感应式磁性天线设计及干扰抑制算法研究

当期望信号和干扰同方向时,为了有效改善超低频频段的通信质量,提出了一种基于模拟电路预处理和改进广义旁瓣抵消的干扰抑制算法,设计了磁性天线、低噪声前置放大电路,制作了灵敏度较高的磁传感器,有效地抑制了工频及其谐波干扰。鉴于超低频频段的信号十分微弱,在广义旁瓣抵消算法的基础上做了几点改进,为主通道提供较多的参考信息,从而提高了算法的性能,有效地解决了传统算法失效的问题。为了验证所提算法的有效性,在实验室环境下搭建实验平台,设计了多组对照实验,实验结果表明:无论期望信号与干扰是否同方向,改进后的广义旁瓣抵消算法相比原来的算法,在信噪比的提升和噪声底限的降低等方面均有较大程度的改善。     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.     

基于位置信息的无线传感网络路由改进

基于位置信息的无线传感器网络如果完全采用无状态的方式路由,在某些拓扑结构中存在数据不可到达的缺陷,即死亡点的问题.针对这一问题,将无线传感器网络抽象为一数学模型,在此模型的基础上,给出了问题的数学描述.经分析,提出了一种基于逃离算法的详细解决方案.对算法的性能从理论上分析得出算法没有环路,是正确可行的,而仿真结果也验证了这一点,算法的时间复杂度为O(n).     

Agent的多传感器管理方案

多Agent系统(Multi-Agent System,MAS)以其智能性和交互协作等优点在分布式系统中得到了广泛的应用.火控系统组网就是通过把分立的火控系统通过某种网络结构连接起来,以提高火控系统的整体性能,是一个典型的分布式系统.以火控系统组网为背景,将Agent技术应用于组网系统中的多传感器管理,并采用了基于角色的任务分解思想.提出了基于多Agent的传感器管理结构模型,分析了各个组件Agent的功能.     

一种改进的扩展旋转矢量姿态算法

在分析扩展旋转矢量姿态算法的基础上,基于典型圆锥运动理论以及迭代算法的思想推导了一种面向四子样的改进扩展旋转矢量优化算法.给出了较为详细的算法推导过程和具体公式.为检验改进算法的有效性,先后采用传统的四元数法、扩展旋转矢量法以及改进算法,对载体的典型圆锥运动进行了计算机仿真研究.结果表明,该优化算法不仅改变了捷联惯性导航系统中陀螺子样的利用方式,而且提高了系统旋转矢量的计算精度以及姿态算法的实时性.     

三轴磁阻电子罗盘设计

研制了一种基于磁阻传感器和MEMS加速度计的三轴磁阻电子罗盘,包括电子罗盘的工作原理、硬件设计以及软件算法流程.航向角、俯仰角和翻滚角是罗盘系统的主要技术指标,介绍了利用该系统测量航向角的原理和在O°～360°之间显示的计算表达式.利用现场的采样数据对罗差进行校正,罗盘系统精度可从±35.7°提高至±1°左右.实验证明,该系统可用于普通导航领域.     

TEDS技术在加速度传感器数据校正中的应用

提出一种利用传感器电子数据表格技术改善加速度传感器动态性能的办法。传感器标定时,其相关的特征参数被储存在传感器电子数据表格中;测试初始化时,每个传感器的特征参数被读入测试系统,指导系统自动完成其数学模型的建立,并在测试时进行实时数据校正。实验证明传感器电子数据表格技术的引入提高了加速度传感器的工作频带带宽和动态响应速度等动态性能指标。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。