均方根放大器及其在优化控制系统中的应用

给出一种新型的非线性放大器,称它为均方根放大器(SQF),用它可以大幅度提高优化控制系统的品质指标。作为范例,用它来改善已获广泛应用的ITAE最优控制系统。实验结果表明,该放大器显著提高了ITAE最优控制系统的品质指标,并给出了再优化后系统标准型传递函数,供工程人员选用;同时,也可推广用于提高任何优化控制系统的品质指标,具有很好的应用前景。     

改进鲸鱼优化算法及涡轮盘结构优化

涡轮盘是航空发动机的核心零件,通过智能优化算法对涡轮盘结构进行优化,降低涡轮盘质量,有助于提升推重比。研究并改进了新型鲸鱼优化算法对涡轮盘截面进行结构尺寸优化。改进的鲸鱼优化算法中创新引入差分变异策略,交叉操作和常规变异策略以增强鲸鱼优化算法跳出局部最优解的能力。特别地,以改进的鲸鱼优化算法（Decomposition evolution based whale optimization algorithm,DEWOA）为例对Isight平台进行二次开发,与Isight平台中的五种算法和基本鲸鱼优化算法就八个单目标测试函数进行了对比,在均值和方差等指标验证了改进算法的稳定性和寻优性能。而且,将结合改进鲸鱼优化算法的Isight优化模块组件与有限元分析方法在Isight平台中集成为全自动化优化流程,对航空发动机涡轮盘进行结构优化,并与其他四种算法的涡轮盘结构优化结果进行对比。实验结果表明改进的鲸鱼优化算法对涡轮盘减重达26.09%,超过自适应模拟退火算法减重比2.24%,超过多岛遗传算法减重比5.29%,超过鲸鱼优化算法减重比1.94%,落后于指针自动优化算法减重比0.39%,但改进的鲸鱼优化算法收敛速度更快,达到最优解的代价更小,表明了改进鲸鱼优化算法在工程实际问题上的实用性和通用性。     

提升小波分形策略在电机轴承电蚀故障特征提取中的应用EI北大核心CSCD

电蚀是感应电机轴承服役过程中常见的物理现象,电蚀现象的发生使得电机轴承表面更容易发生点蚀剥落等局部损伤。提出提升小波分形策略,用于从多成分耦合的振动信号中提取反映轴承故障的冲击性故障特征;该策略通过对经典冗余提升小波包分解产生的相邻子空间进行后处理,生成新的隐小波包尺度,可有效弥补二进小波包分析方法对过渡带区间特征提取能力的不足;通过隐小波包子空间的中心嵌套集合实现了振动信号的中心极化多分辨分析;该方法还能继承冗余提升小波包分解的诸多优良特性(如精确线性相位及平移不变性等),从而进一步增强了振动信号中非平稳冲击特征的分析提取能力。将提出的方法应用于某型号平整机的感应电机轴承振动信号分析,在某个由提升小波分形策略生成的隐小波包子空间中提取表征轴承机械故障的周期性冲击特征,经停机检修验证该故障特征是由轴承中已经存在的电蚀故障引发;将所提出方法的特征提取效果与基于双树复小波等的主流分析方法进行对比,验证了提升小波分形策略具有更加全面的轴承故障特征分析能力。     

融合注意力机制的模糊图像多尺度复原

目的 去模糊任务通常难以进行对图像纹理细节的学习,所复原图像的细节信息不丰富,图像边缘不够清晰,并且需要耗费大量时间。本文通过对图像去模糊方法进行分析,同时结合深度学习和对抗学习的方法,提出一种新型的基于生成对抗网络(generative adversarial network, GAN)的模糊图像多尺度复原方法。方法 使用多尺度级联网络结构,采用由粗到细的策略对模糊图像进行复原,增强去模糊图像的纹理细节;同时采用改进的残差卷积结构,在不增加计算量的同时,加入并行空洞卷积模块,增加了感受野,获得更大范围的特征信息;并且加入通道注意力模块,通过对通道之间的相关性进行建模,加强有效特征权重,并抑制无效特征;在损失函数方面,结合感知损失(perceptual loss)以及最小均方差(mean squared error, MSE)损失,保证生成图像和清晰图像内容一致性。结果 通过全参考图像质量评价指标峰值信噪比(peak signal to noise ratio, PSNR)、结构相似性(structural similarity, SSIM)以及复原时间来评价算法优劣。与其他方法的对比结果表明,本文方法生成的去模糊图像PSNR指标提升至少3.8%,复原图像的边缘也更加清晰。将去模糊后的图像应用于YOLO-v4(you only look once)目标检测网络,发现去模糊后的图像可以检测到更小的物体,识别物体的数量有所增加,所识别物体的置信度也有一定的提升。结论 采用由粗到细的策略对模糊图像进行复原,在残差网络中注入通道注意力模块以及并行空洞卷积模块改进网络的性能,并进一步简化网络结构,有效提升了复原速度。同时,复原图像有着更清晰的边缘和更丰富的细节信息。