利用预报误差分布拟合实现卫星历史轨道机动检测的方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

热壁条件下油气热着火关键因素探究

设计了受限空间内高温热壁条件下的油气热着火的实验系统.基于系统的实验和分析,探究了受限空间环境温度、湿度、压力、热壁温度对油气热着火发生的影响.实验发现:油气热着火概率随着热壁温度和环境温度的升高、湿度的减小而增加;油气混合物在汽油自燃点附近开始快速化学反应,油气热着火的最低临界温度为783 K;油气热着火存在三角形的着火压力半岛,且着火压力下限随热壁温度升高而降低,着火压力上限随温度升高而提高.     

小波变换在漏磁检测信号处理中的应用

在对军用装备进行漏磁无损检测时,漏磁信号中含有大量噪声,针对这种情况,介绍了小波变换消噪理论.在数字化实现中,离散小波变换是利用Mallat分解与重构算法来完成.仿真试验中,选取二阶样条小波为小波函数,对从漏磁检测装置中采集到的漏磁信号进行消噪.结果表明将小波变换应用于炮管漏磁检测中,能提高检测信号的信噪比和抗干扰能力.为漏磁信号分析、特征提取和缺陷漏磁反演打下了基础.     

基于改进人工蜂群算法的漏磁缺陷轮廓重构

漏磁缺陷重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。将局部最优解和全局最优解引入到人工蜂群算法(Artificial Bee Colony Algorithm,ABC)中,提出了一种基于改进人工蜂群算法的缺陷重构模型。在该模型中,径向基函数神经网络作为前向模型求解漏磁信号,改进人工蜂群算法用于求解反演问题中的优化问题。将改进人工蜂群算法和基本人工蜂群算法作为反演算法进行了比较,实验结果表明,改进人工蜂群反演算法精度较高,速度较快,同时对实测信号具有鲁棒性,是一种有效可行的漏磁反演新方法。     

基于ANSYS软件的管道漏磁场分析

介绍了漏磁场分析的基本理论以及由麦克斯韦方程导出的泊松方程对应的能量泛函,利用基于此理论基础的ANSYS有限元分析软件的ANSYS Multiphysics软件包对管道漏磁场进行模拟仿真,能得出大量缺陷漏磁场数据,这为缺陷漏磁检测定量化打下基础.     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

不同环境条件油气爆炸极限测试模拟实验系统

针对不同环境条件油气爆炸极限测试的特殊需要,研制了相应的测试实验台架和关键参数测试系统。对标准20L球形爆炸装置进行了改进,使之适用于不同环境条件油气爆炸极限的测定与分析,设计并构建了能够配制不同浓度油气的油气雾化循环配气系统、瞬态压力测试单元、温湿度测试单元和气体组分测试单元等。实验验证与分析结果表明：该模拟实验系统能够满足不同环境条件油气爆炸极限测试分析的需要,也可供其他相似可燃气体（液体蒸气）测试使用。     

油库压缩机组温度变送器法兰根部泄漏失效分析

为了解决基地油库压缩机组温度变送器法兰根部焊缝泄漏问题,采用照相、无损检测、化学成分分析、金相分析、显微硬度分析、扫描电镜观察与能谱分析等方法,对失效法兰进行失效分析。研究结果表明,法兰焊缝根部泄漏系焊缝未焊透和存在夹杂物所致,并因外应力作用而在熔合区马氏体区域沿晶扩展,导致角焊缝最终脆性断裂。结合现场实际情况,提出防止发生类似事故的建议。     

非高斯噪声下信号盲检测算法*

针对实际甚低频和超低频接收机不仅受非高斯噪声的影响,同时受到接收机内部和外部环境中高斯噪声影响的问题,对噪声采用高斯尺度混合分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种基于马尔可夫链蒙特卡罗方法的信号盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步检测信道衰落系数、噪声模型参数和信号。算法迭代效率快、精度高。通过与最优检测性能比较,盲检测算法性能优异,对甚低频和超低频信号接收具有重要的现实意义。     

自学习粒子群与梯度下降混杂的漏磁反演方法

利用自学习粒子群优化算法的全局寻优能力克服梯度下降法过分依赖初始解,易陷入局部极值的缺点,从而提高梯度下降法的优化性能。以径向基函数神经网络为前向模型,基于自学习粒子群与梯度下降混杂的反演方法用于漏磁缺陷轮廓重构中。实验结果表明,该反演方法重构的缺陷轮廓比较准确,且在漏磁信号存在噪声的情况下,重构结果到与实际轮廓相近,并具有一定的噪声鲁棒性。