基于时间反转的直升机结构损伤成像算法

复合材料在直升机结构中大量应用,为了提高直升机服役过程中的安全性,在直升机尾桁结构上采用基于时间反转的导波结构健康监测方法进行损伤成像算法研究。阐述了基于时间反转的损伤成像方法步骤,利用Matlab软件平台编写了损伤成像算法程序,并利用在尾桁结构件上采集的信号数据进行损伤成像方法验证。实验选取多个模拟损伤测试点进行多次损伤诊断,均能得到误差不超过20 mm的损伤定位结果,可以满足直升机结构健康监测地面实验分析的需要。     

基于圆形压电阵列的主动Lamb波损伤成像监测研究

对主动Lamb波结构健康监测中的压电阵列技术进行了研究。分析了传统的矩阵式压电阵列在应用中存在的问题,基于回声式原理研究设计了圆形压电阵列方法,分析了该方法的特点和信号采集过程,结合时间反转成像技术,实现对损伤的监测,实验结果表明:该方法能克服传统矩阵式压电阵列在应用中存在的监测范围、信号监测能力差异等问题,最后分析了圆形压电阵列还存在的问题。     

一种基于动态概率的定位管理策略

提出了基于动态概率的定位管理方法, 能够适用于多种移动模式.该方法包括在不同情况下分别使用基于方向和基于距离的位置更新策略以及一种动态的基于用户定位概率和方向概率的终端寻呼策略.给出了根据移动单元居住位置的概率和移动单元运动的方向概率来决定更新方法和寻呼策略的分析模型.通过位置更新和终端寻呼的代价可决定位置更新和终端寻呼的总的平均代价.实验证明动态的基于用户定位概率的终端寻呼策略的寻呼代价远小于ring-by-ring的终端寻呼代价.     

基于概率栅格地图的移动机器人可定位性估计

基于广泛使用的概率栅格地图,提出了一种移动机器人可定位性估计方法.通过对定位Fisher信息矩阵进行栅格离散化,提出了静态可定位性矩阵,该矩阵适用于已知地图条件下的离线估计.在此基础上,针对在线估计中环境存在的非预期动态变化问题,采用局部感知的未知障碍物影响因子来修正静态可定位性矩阵,进而得到动态可定位性矩阵,该矩阵定量描述了机器人可定位性能力及其方向性.各种典型环境下的机器人实验结果表明了所提方法的有效性.     

一种分布式无线传感器网络节点定位算法

基于接收信号强度(RSSl)的无线传感器网络节点定位算法由于无需额外测距硬件的支持而受到广泛的应用.但无线信号传输受到环境的影响,使得基于RSSI的定位算法存在较大的定位误差.针对上述不足提出了一种基于概率的无线传感器网络节点定位方法.首先根据信标节点发送信号强度与未知节点接收信号强度差来计算未知节点到其一跳范围内所有信标节点的估计距离,然后根据这些估计距离,通过计算未知节点在某个位置概率密度函数的最大值来确定未知节点自身的位置坐标.通过仿真表明,该方法在较低的信标节点密度和节点通信半径条件下,具有较高的节点定位精度和定位覆盖率.     

压电阵列星形布置与多路损伤扫查策略

针对复合材料结构的损伤主动监测进行研究。采用主动Lamb波和小波变换计算损伤散射信号的时间延迟,根据椭圆定位法进行损伤定位;提出压电传感器星形布置的优化布置方法,结合多路扫查,解决椭圆定位法的损伤监测盲区,从而扩大损伤监测范围、提高损伤判别的准确性,并能进行损伤程度的判别。通过实验系统验证了所提出方法的有效性。     

无方向数据采集的相控阵结构健康监测研究

超声相控阵结构健康监测过程中由于按角度扫描的数据采集持续时间长,结构损伤前后采集的数据易受环境和结构变化的影响,针对这一问题,提出无方向数据采集的相控阵结构健康监测成像定位方法。基于相控阵方法,对采集后数据根据发射和接收过程进行时间延迟的计算,然后将监测结果进行二维成像。该方法在玻璃纤维复合材料板结构上的实验研究证明,采用无方向数据采集的相控阵结构健康监测方法能够精确监测结构中损伤并对损伤进行清晰成像;并且该方法可以大大缩短监测时间,从而使监测过程不受环境条件变化的影响,为超声相控阵监测方法的工程化奠定基础。     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

基于目标和关键点检测的单目托盘定位

托盘的识别与定位是无人叉车中关键的问题之一.当前托盘定位多采用目标检测的方法,然而目标检测只能识别托盘在图像中的位置,无法得到托盘的空间信息.针对此问题,本文提出了一种基于目标和关键点检测的单目托盘定位方法,用于检测托盘并计算托盘当前的倾角和距离.首先对托盘进行目标检测,然后将检测的结果进行裁剪后输入到关键点检测网络中.通过对托盘关键点的检测和托盘固有的几何外形特征,设计边缘自适应调整,得到高精度的托盘轮廓信息.根据几何约束提出了基于轮廓点的托盘倾角与距离计算方法,并采用RANSAC算法提升了计算结果的精度和稳定性,解决了托盘的定位问题.实验表明,本文提出的算法在倾角计算上平均误差在5°以内,水平距离计算上平均误差在110 mm以内,能较好地定位托盘,具有较高的实用价值.     

以语音出现时频相关性为基础的语音掩模估计

在二维的时频域网格结构中,相邻点上语音信号的存在与否是相关的,传统的马尔可夫链不能对二维的时频相关性进行自适应的建模.基于语音信号在时频域中的相关性,提出了一种利用二维的相关模型估计语音掩模的方法.该方法将时频域中带噪语音信号的对数功率谱划分为语音和非语音类,利用时域中的状态转移概率和前向因子描述语音信号的时域相关性,同时利用频域中的状态转移概率和邻域因子描述语音信号的频域相关性.通过全局的统计最优化,该模型将时域相关性和频域相关性相结合.给出了该模型的序贯化更新方法,逐帧更新模型并估计语音出现概率.在当前已知对数功率谱和模型参数的条件下,通过最大化后验概率得到的语音信号状态矩阵可以作为语音掩模的最优估计.将该方法与几种现有的语音掩模在线估计方法进行比较,实验结果显示出了该方法的优越性.     

基于随机森林的桁架结构损伤程度预测

为适应桁架结构健康监测技术的发展,进一步优化桁架结构损伤程度预测效果,提出一种基于随机森林的桁架结构损伤程度预测算法.算法建立并优化桁架结构损伤数据库,对多个损伤信号分量提取频域特征,通过孤立森林算法和缺失森林算法对数据库进行异常检测和数据补全,并采用主成分分析法对其进行特征降维.经实验验证,算法能够针对不同损伤程度的...     

Bayesian Fault Probability Estimation: Application in Wind Turbine Drivetrain Sensor Fault Detection

In this paper, the extension of the Bayesian framework for sensor fault detection of nonlinear systems proposed in [25] is studied utilizing particle filtering and the expectation maximization (EM) algorithm, in which the fault probability is calculated. The proposed algorithm is implemented on a wind turbine benchmark model to detect drivetrain sensor faults, which are one of the most addressed and likely faults in offshore wind turbines. The fault probability estimation effectively eliminates the need for installing identical redundant sensors. Indeed, because of the use of the unknown wind speed estimator, the residual signal, constructed based on the drivetrain estimated states, is not able to clearly signify the fault periods, a situation in which the fault probability accurately does this task. Also, using the proposed algorithm, the fault size for each sensor is estimated via a one‐step calculation, which decreases the complexity of this algorithm. The fault identification is performed using the recursive least square method and two other modifications, including exponentially weighted and windowed estimates. Additionally, in the fault accommodation step, the concept of a virtual sensor is used to remove the need for reconfiguring the current controller, which reduces complexity and expense. In the simulation section, using a real measured wind speed for two different fault scenarios, the proposed algorithm is evaluated and finally, conclusions are stated.     

实数自适应遗传算法在雷达处理中的应用

实数自适应遗传算法在雷达处理中具有广泛应用。本文对基于实数自适应遗传算法原理、交叉概率和变异概率的自适应确定方法以及实数自适应遗传操作方法进行了阐述,在分析探地成像雷达电磁波在地下传播特性的基础上对雷达测得的电磁波信号的成像问题进行了研究,并通过计算机仿真验证算法的可行性,从而得出基于实数编码的稳态遗传算法克服了普通二进制算法的缺点,增加了普通遗传算法的搜索能力,对于求解大规模优化问题是适合的,是一种具有工程实用价值的算法。     

基于稀疏导波的裂纹定位和尺寸评估

材料在使用过程中,受各种因素的影响,会不可避免地产生诸多损伤,破坏材料结构完整性的同时,也具有一定的安全隐患;在无损检测中,尤其是导波检测领域,由于缺乏高效方法对材料结构中存在的损伤进行尺寸检测,因此使用导波方法对材料进行微裂缝等损伤的检测的过程中仍然存在很多困难;对一种基于稀疏导波的损伤检测方法进行了研究,可以在进行结构损伤定位的同时对损伤尺寸进行测量;研究表明,使用导波进行损伤检测时,由损伤而产生的复杂反射波中包括很多与损伤形状和尺寸相关的信息,但是这些信息并不明显,且信号重叠无法区分;因此,提出一种稀疏lamb波方法来分解由材料损伤产生的反射信号的各个分量;在此基础上,通过确定各个反射信号分量相应的传播时间来计算材料损伤尺寸;最后,在具有人工损伤的铝板上进行实验验证,结果表明,基于稀疏导波损伤检测的方法是可行的。     

基于关键网络状态的域内路由可用性研究

业界通常采用路由保护方案来提高域内路由可用性.然而已有的路由保护方案存在下面两个方面的问题:a)没有考虑网络中链路的失效概率,同等对待网络中所有的链路,事实上在互联网中,不同链路的失效概率是不同的,因此应该在路由保护方案中考虑链路的失效概率;b)将保护链路的数量作为设计目标,事实上方面某些链路出错的概率非常低,保护这些链路反而会增加开销,而另一方面某些链路出错的概率非常高,需要重点保护这些链路.因此应该将路由可用性作为路由保护方案的设计目标.针对上述两个问题,提出了一种基于关键网络状态的域内路由保护方案(RPBCNS),该算法首先通过链路失效概率计算出所有的关键网络状态,然后在每种关键网络状态下计算节点对之间相应的路径,保证节点对之间路径的多样性,从而使得尽可能多的节点对满足路由可用性需求.仿真实验将RPBCNS算法与主流算法ECMP、DC、path splicing分别在三个真实网络中进行对比,在网络可用性和节点对可用性满足率上RPBCNS的性能明显优于其他三种算法.仿真结果表明,RP-BCNS不仅具有较高的网络可用性,并且能够使得尽可能多的节点对满足路由可用性目标,更符合实时应用的实际需求.     

基于Monte Carlo方法的自适应多模型诊断

多模型混合系统的模型切换服从有限状态的Markov链,其转移概率通常假定是已知的.当模型转移概率未知的时候,本文基于Monte Carlo粒子滤波器给出了混合系统状态估计的一种自适应算法.该算法假定未知的转移概率先验分布为Dirichlet分布,首先通过采样得到一组模型序列的随机样本,利用其中状态的转移次数计算先验转移概率,使用量测信息对样本更新选择后,获得模型转移概率的一种迭代的后验估计值,同时由粒子滤波器得到系统状态和模型概率的后验估计.将该方法用于混合系统的状态监测和故障诊断,仿真结果表明了算法的有效性.     

基于截尾估计的概率估计方法

能否以高概率正确重建稀疏信号是压缩感知理论中的重要研究内容。信号的稀疏度及冗余字典原子间的相关特性是研究该内容的关键因素。文中运用累积增量的概念,提出了一种基于截尾概率的累积增量满足约束界的概率估计的方法。运用该方法,判断能否利用选取的测量矩阵正确重构原始信号。通过Matlab仿真,验证了将高斯随机矩阵作为观测矩阵,在OMP重构算法下,可以高概率地正确重构出原始信号,也验证了文中所提方法的合理性。     

似然K均值聚类用于涡扇发动机气路故障诊断

[K]均值聚类算法是聚类领域最知名的方法之一,然而[K]均值聚类完全依赖欧式距离进行聚类,忽略了样本特征离散程度对聚类结果的影响,导致聚类边缘样本容易被误聚类,且算法易局部收敛,聚类准确率较低。针对传统[K]均值聚类算法的不足,提出了似然[K]均值聚类算法,对于每个聚类的所有样本考虑每个维度样本特征的离散程度信息,分别计算样本属于某一聚类的似然概率,能够有效提高聚类准确率。在人造数据集和基准数据集验证了似然[K]均值聚类算法的优越性,将其应用于涡扇发动机气路部件故障以及传感器故障的模式识别,验证了该算法在涡扇发动机故障诊断中的实用性和有效性。     

基于改进CenterNet的托盘定位方法

目前, 托盘定位大多采用基于深度神经网络的目标检测算法, 一般使用矩形框进行托盘定位, 托盘中心点定位精度不高, 且无法有效估计托盘水平方向. 针对此问题, 本文提出了基于关键点检测的托盘定位方法, 通过检测托盘正面外轮廓的4个角点来定位托盘. 首先, 由于目前没有大规模的托盘数据集, 使用迁移学习的方法, 将CenterNet的人体姿态估计引入托盘定位任务. 然后改进关键点分组方法, 并提出关键点回归自适应补偿, 提高关键点检测精度. 在托盘关键点定位的基础上, 提出基于几何约束的托盘中心点计算和托盘水平方向估计方法. 本文方法与原CenterNet相比, 托盘关键点定位指标${{A}}{{{P}}^{{\text{kp}}}}$从0.352提高到0.728, 托盘中心点定位精度指标${{ALP}}$达到0.946, 并且可以有效估计托盘水平方向, 具有较高的实用价值.     

基于联合最大后验概率的语音增强算法

针对传统谱减法存在的算法缺陷,提出一种基于联合最大后验概率的改进谱减法.传统谱减法通过获取带噪语音与噪声的幅度差值,并提取带噪语音的相位信息进行语音信号重建.该方法因为谱相减产生“音乐噪声”,并因为相位估计不准确,导致低信噪比下信号增强效果不理想.为此,引入多频带谱减法和相位估计,通过划分频谱,分别在子频带进行谱减法,有效降低“音乐噪声”的影响;同时构建基于最大后验概率的相位估计器,联合信号幅度函数和相位函数,通过多次交替迭代得到相位估值.实验结果表明,相对于传统谱减法,在低信噪比下该算法有效提高增强语音的质量感知和可懂度.