12.7mm高射机枪模态试验与分析

本文利用实验模态分析技术和有限元法研究机枪—土壤系统的动态特性,通过模态试验获得机枪在硬质土壤支撑条件下的低阶模态信息,据此对机枪有限元模型的边界条件进行模拟,并从动力学角度分析影响射击精度的主要因素,为进一步研究机枪结构动力修改和质量评估提供依据,     

一种新的变结构控制方案及其在船舶操纵中的应用

船舶的操纵与控制问题可以归结为一个四阶线性系统在环境干扰、参数摄动与建模误差同时存在时的状态空间控制问题。传统的变结构控制应用于船舶操纵系统易导致频繁来回操舵。本文研究一种连续的变结构控制方案,进一步讨论了其稳定性及优点,并将其引入限制水域的船舶操纵中。仿真表明,它可以完全抑制频繁来回操舵或抖振,并可得到较理想的控制效果。     

结合整体和局部特征的步态识别方法

针对已有步态识别方法注重对步态整体特征建模,却忽略了包含细节信息的局部特征问题,提出了一种整体与局部特征相结合的双分支步态集合特征学习网络。该方法以步态轮廓集合作为输入,通过双分支网络提取两种空间尺度的步态特征,利用特征映射模块将两种特征融合得到步态表示。通过在步态数据集CASIA-B中进行了跨视角识别实验,结果表明该方法在正常行走、背包和穿大衣条件下相比主流方法 Rank-1准确率取得了有效提升。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

基于神经网络的跨介质飞行器水面弹跳运动参数快速预测方法

为进一步提高跨介质飞行器水面弹跳运动参数的计算效率,提出基于线性多元回归、反向传播神经网络及径向基函数神经网络的水面弹跳运动特性近似模型,对弹跳后运动参数进行快速预测。首先,建立跨介质飞行器水面弹跳数值仿真分析模型,对模型进行校验。其次,基于上述三种预测算法,以飞行器水面弹跳初始俯仰角、弹道倾角和速度作为输入值,预测其在水面弹跳运动中的末速度。结果表明：径向基函数神经网络算法对跨介质飞行器水面弹跳中的末速度预测的性能表现最优,与数值仿真速度值对比,回归系数为0.988,模型精度与速度预测结果可信性较高;速度预测值与数值计算的平均残差保持在8.39%以内,残差范围保持在±15 m/s以内,对跨介质飞行器水面弹跳运动研究具有参考价值。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

波纹度故障下低压转子系统的非线性动力学研究

针对转子系统存在滚动轴承波纹度故障的问题,以某船用燃气轮机低压转子系统为研究对象,建立了轴承波纹度故障下的双跨三支承滚动轴承转子系统的动力学模型,并采用龙格库塔法对该系统的运动微分方程进行数值求解,研究了波纹度最大幅值和波纹度个数对系统的非线性动力学特性影响规律。结果表明:随着波纹度最大幅值的变化,系统逐渐进行周期四、周期二、一个混沌域和拟周期运动;当波纹度个数远小于或远大于滚动体个数时,系统进行单周期运动,当波纹度个数接近滚动体个数时,系统进行拟周期运动,特别是当波纹度个数是滚动体个数的整数倍时,系统的非线性动力学特性变得十分复杂。研究结果可以为滚动轴承的故障诊断提供一定的理论依据,降低轴承波纹度对低压转子系统非线性动力学特性的不良影响。     

小展弦比翼面颤振分析方法研究

给出了一种适用于小展弦比翼面初步设计的颤振分析方法.根据小展弦比翼面结构特征,运用简化的理想模态和活塞理论建立颤振分析模型,分析了翼面结构参数对颤振特性的影响.并以某型翼面为例验证了本方法的实用性,与NASTRAN计算结果进行了比较分析.