空化喷嘴混沌特性的辨识

通过实验,使用高频水听器采集3种常用不同结构空化喷嘴产生的空化噪声信号,选取其中的信号,以Takens定理为基础,进行相空间重构,并分别计算其最大Lyapunov指数值。实验对空化喷嘴的混沌特性进行辨识以及比较分析,为空化喷嘴的设计、检测提供了一种新的途径。在采用的实验条件下,选取的空化噪声信号的最大Lyapunov指数值大于零,即这些信号都是混沌信号。实验显示,具有自激振荡腔结构喷嘴的最大Lyapunov指数值最大。     

空化喷嘴混沌特性的辨识

通过实验,使用高频水听器采集3种常用不同结构空化喷嘴产生的空化噪声信号,选取其中的信号,以Takens定理为基础,进行相空间重构,并分别计算其最大Lyapunov指数值.实验对空化喷嘴的混沌特性进行辨识以及比较分析,为空化喷嘴的设计、检测提供了一种新的途径.在采用的实验条件下,选取的空化噪声信号的最大Lyapunov指数值大于零,即这些信号都是混沌信号.实验显示,具有自激振荡腔结构喷嘴的最大Lyapunov指数值最大.     

刀具声发射信号混沌特征提取及趋势分析

旨在建立一种基于多混沌特征演化分析的刀具磨损状态监测方法,通过计算刀具声发射信号的混沌特性参数分析其磨损趋势。建立首先基于混沌理论分析和描述刀具不同磨损阶段声发射信号的混沌特性,包括:定性描述,即重构相空间的奇异吸引子轨迹和庞加莱截面;定量描述,计算不同时间段声发射信号的关联维数、最大Lyapunov指数等。其次,采用最小二乘回归方法对所计算的混沌参数进行趋势分析。结果表明,声发射信号具有混沌特性,而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联,从而为刀具磨损状态的在线监测和预测提供了新思路。     

水声信号的混沌特征参数提取与分类研究

研究了水声信号的混沌特征参数提取以及利用混沌特征参数的水声信号分类。讨论了水声信号的关联维数、最大Lyapunov指数以及时间序列h2熵等混沌特征参数的计算以及它们在水声信号特征提取、分类中的应用。通过对不同类别、一定样本数量的实测水声数据计算它们的混沌特征参数,验证了水声信号不仅具有混沌特性,而且它们的某些混沌特征参数具有可分性。     

一种改进的测井时间序列的最大Lyapunov指数求取方法

测井时间序列的解释和测井相识别是油田开发工作中的首要难题,极大地影响后续工作的成效.应用混沌理论,以相空间重构为基础,研究了油层组的混沌吸引子的特点.在此基础上,给出了一种改进的测井时间序列的最大Lyapunov指数求取方法.改进后的算法缩小了最近邻点的搜索范围,提高了运算效率.实验结果表明,不同的油层组具有不同的最大Lyapunov指数,所有油层组的最大Lyapunov指数均大于0.     

混沌振动Lyapunov特征指数重构演化矩阵算法

针对Lyapunov指数计算过程中,邻近点对演化难以有效刻画混沌轨道在相空间不同方向的动态特性问题,本文研究了混沌重构相空间中映射矩阵的构造方法,推导了混沌振动实测时间序列重构相空间中Lyapunov特征指数演化矩阵算法表达式,分析了轨道演化过程中切空间级联矩阵对参考点邻域的拉伸折叠作用,揭示其特征向量方向是邻域变形的方向、奇异值大小对应特征方向上邻域拉伸和压缩的大小。构造了包含映射值域和定义域的增广矩阵,通过微扰法分析了计算过程的误差。计算结果表明,应用重构演化矩阵算法能够有效提取混沌时间序列最大Lyapunov指数。设计了非线性混沌振动实验装置,证实了该方法的有效性。     

煤矿井筒变形混沌特征分析

基于井筒变形实际监测沉降数据,提出了利用混沌理论相空间重构技术研究井筒变形特征的新思路。研究了井筒变形系统的相空间重构、关联维数的确定、Lyapunov指数的计算、稳定性分析等问题。试验结果表明：井筒变形系统是一个混沌,井筒变形受到多因素影响。得出最大Lyapunov指数可以作为变形体内部不同部分动态变形状态的指标。这一有工程意义的结论,可以为井筒稳定性判定提供支持。     

干气密封环磨合过程摩擦振动信号混沌特性分析

磨合对防止干气密封环端面发生咬合、延长密封环使用寿命等具有一定影响，因而研究干气密封环在磨合过程中的变化特征，识别磨合状态有着重要意义。本文利用集合经验模态分解法（EEMD）提取端面间的摩擦振动信号。通过相空间重构，得到了摩擦振动信号的相轨迹和混沌参数。利用主分量分析法（PCA）和最大Lyapunov指数判别法，验证摩擦振动信号时间序列的混沌特性。并探究了吸引子结构演化轨迹以及其特征参数关联维数的变化规律。结果表明，当转速为500r/min、载荷为150N和450N时，磨合到稳定的过程中，各个摩擦振动信号时间序列的最大Lyapunov指数全部大于零、主成分分量谱图基本呈一条斜率为负的直线，摩擦振动信号具有混沌特征。而当密封环间的磨损状态由跑合阶段到稳定阶段变化时，其对应的摩擦振动吸引子变化趋势为更加“收敛-稳定”；混沌特征参数关联维数D的值皆随着磨合过程的进行由小变大，当摩擦进行到正常磨损阶段后D值都保持在较小范围浮动，达到平稳。因此，混沌吸引子以及关联维数D皆可反映密封环端面间的磨合过程，可用于干气密封环端面间磨合状态监测和识别。     

Lyapunov指数在微弱信号检测中的应用

在基于Duffing混沌振子微弱信号检测中,针对直观观察相图法和Melnikov法在判定系统状态上存在的不足,为提高检测系统状态判定的准确性和信号检测的可靠性,提出了利用Lyapunov指数定量地分析和判定系统的状态。在分析利用Lyapunov指数判定系统状态方法的基础上,结合Lyapunov指数算法,计算出Duffing系统的Lyapunov指数谱,分析了系统内置驱动信号幅值、Lyapunov指数及系统状态之间的关系,结果表明,Lyapunov指数能定量和准确地刻画系统的状态。     

基于负荷混沌特性的改进Lyapunov指数预测法

针对目前常用负荷预测方法多依赖主观经验,为了提高预测精度,从相空间重构理论出发。结合负荷序列的混沌特性,提出了一种计算最大Lyapunov指数的改进算法。改进算法中引入一种取舍规则,提高了最大Lyapunov指数提取精度。利用改进算法建立实际电力月负荷预测模型,实际应用结果表明该模型具有一定实用价值。     

基于经验模态分解的目标特征提取与选择

经验模态分解(EMD)是一种新的非平稳时变信号处理方法,可以自适应地将信号的局部特征逐级分解出来。提出了基于EMD的舰船噪声特征提取与选择方法,将本征模态函数(IM F)分量及其瞬时频率作为特征,并选择其判别熵作为特征向量的可分性度量。数值仿真和实际噪声数据处理的结果表明IM F分量和频率可以充分体现目标的特征,具有良好的类别可分性。     

局域波神经网络海洋平台AE信号识别研究

为了研究海洋平台结构声发射信号的特征,将近期发展的局域波法和神经网络相结合应用于提取识别中.首先,将海洋平台结构声发射信号进行局域波分解,得到自适应的基本模式分量,然后从各基本模式分量中提取能量特征参数作为神经网络的输入参数来识别海洋平台结构的声发射信号.通过对海洋平台结构模型声发射信号的实验数据分析表明,以局域波法提取各频带能量作为特征参数的神经网络方法可以准确、有效地识别海洋平台结构声发射信号,从而为海洋平台结构声发射信号特征提取识别提供了一种新的方法.     

舰船噪声信号的混沌特性研究

以Takens定理为基础，研究了延迟坐标法用于舰船噪声信号的重构。采用FNN（false nearest neighbors)法得到了三类目标舰船噪声信号的最小嵌入维数。通过相空间重构，得到了它们的奇怪吸引子。为利用舰船噪声信号的混沌特性进行目标分类与识别奠定了基础。     

离散型Lotka-Volterra捕食-被捕食系统的 Marotto混沌

研究了离散型捕食-被捕食Lotka-Volterra系统的Marotto意义下的混沌。通过理论分析给出了系统存在Marotto意义下的混沌的条件,并利用分支图、最大Lyapunov指数(ML)、分形维(FD)、相图进行了数值模拟,验证了理论分析的正确性,同时展示了此系统的复杂动力学行为。结合已有的结论,有利于学者们更完整地了解此类系统的动力学行为。     

Vehicle detection using the location relationship model between multi-components

In view of the complex traffic and changeable weather and illumination in a scene, traditional vehicle detection method based on the single part model may result in a bad detection. So, using the spatial location relationships existing in multi-components of the vehicle, license plate and rear lamps are selected to construct the probabilistic models, through which vehicles are detected in this paper. In the new method, first, the color image of the road video is decomposed to the rear lamp gray image and license plate gray image through a different color conversion model. After that, the further identification for the license plate is accomplished through the key steps of gradient feature extraction, regional gradient smoothing and local maximum gradient search; similarly, the further identification of rear lamps is accomplished through the key steps of threshold segmentation, connected domain analysis and area calculation. Finally, With the Gaussian Mixture Model, relationships between the parts of the probability are established, and for the relationship model, if it makes the likelihood probability greater than a preset threshold, we argue that these parts belong to the same vehicle, and take the test result as the final vehicle detection result. Experimental results indicate that the new vehicle detection method has a strong adaptability, which can perfectly deal with the bad illumination conditions and target occlusion conditions, as well as a variety of vehicle types.     

基于局部投影算法的舰船信号降噪处理研究

利用基于非线性动力学系统的局部投影降噪算法研究了舰船辐射噪声的非线性降噪问题。分析了局部投影降噪算法邻域半径参数与降噪效果的关系,研究了利用噪声强度估计邻域半径参数的方法。通过对含噪Lorenz模型和实际舰船信号进行降噪处理,得到了较为满意的结果。     

一种深度神经网络SAR遮挡目标识别方法

提出了一种利用深度神经网络的合成孔径雷达图像部分遮挡目标的特征提取和目标识别新方法.该方法首先对合成孔径雷达图像进行预处理,然后提取预处理后合成孔径雷达目标的小波域低频子带图像作为训练数据,最后利用深层稀疏编码模型进一步提取合成孔径雷达遮挡目标的有效特征向量作为目标的特征以完成目标识别.采用MSTAR数据库中的3类目标进行目标遮挡模拟及识别实验.结果表明,新方法可以综合利用遮挡目标的局部和整体结构信息以提高目标的正确识别率,是一种有效的合成孔径雷达遮挡目标特征提取和目标识别方法.     

有界噪声激励下Hénon-Heiles系统响应的降噪分析

针对有界噪声激励下Hénon-Heiles系统响应的杂乱特性,通过改进一类降噪算法,给出经降噪算法处理后响应的重构特征及相应最大Lyapunov指数.结果表明：经改进后的算法在处理Hénon映射的含测量噪声的混沌吸引子时更为有效;有界噪声激励使Hénon-Heiles系统的样本响应远离无噪声时的确定轨迹,但经过改进的降噪算法处理后的重构相图能体现出确定情形下系统的固有特性;可利用这一改进算法对杂乱输出信号进行混沌特征提取与分析;在系统无法避免噪声激励干扰的情况下,主动地适度增加随机激励的强度可能会得到更好的混沌特性识别效果.