舰船磁场信号的Lipschitz指数与船速的关系

用小波变换的方法对舰船磁场信号进行奇异性分析,找出船速与奇异性指数之间的关系,并通过人工神经网络来判断船速.     

侧壁式气垫船水压场试验研究

在拖曳水池中对侧壁式气垫船的水压场进行了系统测量,得到不同水深、不同航速和不同横向位置水底扰动压力系数的纵向通过特性曲线,分析总结了侧壁式气垫船水压场规律.     

电磁发射用脉冲电抗器应力分析及结构设计

基于对电磁力以及热应力的解析计算公式的推导,运用ANSYS有限元仿真软件对固定电抗器顶底端面情况下的铜箔进行电磁-温度-结构耦合分析,分别得出热应力及所受总应力与应变的分布情况。进一步对电抗器的结构进行优化,综合考虑其结构强度要求与连发温度要求,确定电抗器的最优设计结构,最终通过试验验证出仿真与设计方案真实可信。     

高超声速飞行器边界层外缘参数仿真分析

以高超声速飞行器为研究对象,构建快速准确计算高超声速飞行器无黏边界层外缘参数的计算方法。拟合空气比热、比热比随温度变化曲线,建立空气属性温度划分准则。基于不同空气属性建立高超声速飞行器边界层外缘参数工程与数值计算模型,采用钝双锥模型,对比分析工程估算、无黏数值及有黏数值计算方法的计算结果。结果表明,0°攻角状态下,基于无黏流场的数值计算与工程估算和有黏数值计算的压强最大差值分别为1.19%和2.39%;10°攻角状态下,最大差值分别为5%和50%;从而证明所提出的无黏数值计算方法明显优于工程计算方法,为进一步快速准确计算高超声速飞行器气动热环境奠定了重要基础。     

地球静止轨道高能电子通量在线预测模型

利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。     

基于改进LS-SVM的异步电机转子故障诊断

为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。     

电磁发射用分段供电六相圆筒式直线感应电动机数学模型

为研究新型分段供电六相圆筒式直线感应电动机的运行规律,针对其不对称运行的特点,采用磁动势理论推导了气隙中与空间位置无关的脉振磁场的电感矩阵表达式,通过将其引入abc坐标系下对称的电机数学模型,从而构建了描述六相圆筒式直线感应电机不对称的数学模型。在Simulink环境下,采用隐式梯形法构建了该不对称模型的系统仿真模型。最后,对样机进行了仿真分析和实验验证,仿真结果与实验数据吻合良好,验证了模型的正确性。     

DIP引脚应变分析

为了研究双列直插式元件在振动冲击环境下的可靠性,首先通过建立其物理模型,利用莫尔积分方法对引脚的变形进行分析,可以得到引脚任意位置的变形量;而后建立元件的实体模型,利用有限元方法对其应力应变进行仿真分析,结果表明在外载荷作用下,引脚是元件的薄弱环节,尤其在引脚与其他部位连接位置处易出现应力集中使其应变量较大,导致可靠性降低;最后进行振动冲击环境下的应变测量试验,在30 g的冲击载荷下,引脚的最大变形量可达66.47×10-6,在50 g的冲击载荷下,引脚的最大变形量可达173.95×10-6,在扫频过程中,当激振频率为146.48 Hz时,引脚的变形量最大。     

基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。