自行火炮随动系统性能原位检测设备研制

针对新型自行火炮随动系统性能的快速检测需求,研制了一种原位检测设备。该设备不仅可以自动检测随动系统的电源、控制、反馈和连锁信号,而且能够自动输入激励信号,通过高精度数字式轴角变换器同步采集高低和方位角传感器输出的位置信息,经过数据分析处理后,可获得系统调速性能、调炮精度和调炮时间等性能指标。     

强剩磁条件下磁性目标三维正则化聚焦反演方法

针对强剩磁条件下铁磁物质反演中存在磁化方向发生改变的问题,提出了强剩磁条件下磁性目标三维正则化聚焦反演方法。对于孤立磁源,首先估计其磁化方向,然后利用磁化方向估计值对磁性体进行反演;对于多目标磁源,利用弱敏感于磁化方向的磁总场模量数据进行反演。在迭代过程中,通过深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化框架下的反演模型进行约束并得到目标函数,有效解决了反演解的多解性问题。对目标函数进行迭代奇异值分解,根据无偏风险估计准则自适应地确定正则化参数,实现了迭代过程的自动化。仿真和实验结果表明：在强剩磁条件下,该方法能够准确还原磁性异常体的轮廓形态,具有较好的模型分辨率。     

80C196串行断通信中应注意的问题

本文针对实际应用中一个出错８０Ｃ１９６串行中断程序,分析了其错误产生的原因,然后针对８０Ｃ１９６串行中断通信提供了几点建议。     

神经网络在框架结构损伤诊断中的应用研究

应用人工神经网络技术,采用分步诊断的方法,提出了反映结构损伤位置和程度的健康诊断方法。文中通过模态分析得到基于固有频率和位移模态的网络输入特征参数,分别利用概率神经网络和BP网络对结构损伤的位置和程度进行识别,结果显示该分步诊断的方法能够对结构的损伤正确识别。     

基于VxD的发动机瞬时转速测量装置

基于VxD的发动机瞬时转速测量系统由磁电式传感器、信号调理电路、高速数据采集卡、PC及数据输出处理模块构成。调理电路将磁电式传感器产生的齿轮旋转逐齿脉冲信号调为矩形脉冲。VxD控制采集卡采集矩形脉冲，并将数据成组向PC传送。经程序运算得到每脉冲周期内的采样点数，瞬时脉冲频率和周期。     

机械振动信号自适应多尺度非线性动力学特征提取方法研究

针对机械振动信号的故障特征提取问题,提出了基于独立变分模态分解与多尺度非线性动力学参数的特征提取方法。①提出频谱循环相干系数选取匹配波形对机械振动信号进行端点延拓后再进行VMD分解得到不同频率尺度的IMF分量;②根据互相关准则选取有效的IMF分量进行核独立成分分析,分离出相互独立的有效故障特征频带分量;③计算各独立分量的复合多尺度模糊熵偏均值,并利用正交变换将独立分量正交化后构造多维超体,进而利用多维超体体积定义并计算信号的双测度分形维数,从而获得多尺度非线性动力学特征参数,实现机械故障诊断。仿真和实验结果表明:所提方法可有效抑制VMD分解的端点效应和模态混叠,信号分解效果好,特征参数分类精度高,极大地提高了机械故障诊断准确率。     

改进在线贯序极限学习机在模式识别中的应用

针对传统在线贯序极限学习机存在的过学习和分类器输出不稳定等问题,将结构风险最小化理论引入到极限学习机中,用小波函数替代原有的隐层激励函数构建正则小波极限学习机,并与在线学习方法结合,提出在线正则小波极限学习机。仿真实验结果表明,在线正则小波极限学习机克服过学习和局部最优等问题,能够实现快速在线学习,具有良好的泛化性和鲁棒性。     

多参数约束磁性体三维形态反演

传统的磁性目标形态反演中,反演模型的初始磁性参数和几何参数需根据经验赋值,针对这一问题,提出了基于多参数约束的磁性目标体三维形态反演方法。首先,通过L₁范数和正则化约束函数建立目标函数,在待增长模块中选择最优解更新反演模型;然后,利用磁性目标多参数估计方法,无需先验信息,直接对磁性目标的位置、磁化方向以及磁化强度进行估计;最后,利用z方向磁场分量（B_z）和磁张量联合反演,得到磁性体的空间分布。仿真数据和实验数据计算结果表明,在无需先验信息的情况下,该方法能够对磁性目标的磁性参数和几何参数进行有效估计,反演得到准确的磁性体三维形态;在剩余磁化条件下,与传统的归一化磁源强度和磁总场模量反演结果相比,此方法能够有效提高磁性体三维形态反演的精度。     

磁梯度张量系统传感器阵列的快速旋转校准

为有效消除磁梯度张量系统传感器阵列间非对准误差和传感器系统误差对测量精度造成的影响,提出了一种只需绕系统任意轴旋转一周便可理论上实现所有磁传感器与参考平台正交系间精确校准方法。利用两组无数学简化的非线性转换构建传感器系统误差线性校正模型,仅需同一旋转周期的10组测量数据便能得到参考平台与各传感器的理想正交输出。通过构建磁传感器三轴横倾、俯仰、方位转换的旋转矩阵,得到传感器空间任意姿态的非对准误差校正模型并对旋转角进行最小二乘估计,仅需同一旋转周期的3组测量数据便能对准张量系统。仿真和实测结果表明:在理想情况下仿真参数估计准确率接近100%,实验校正后各传感器输出具有较高重合与同轴性,张量分量RMSE(均方根误差)小于30nT/m。能以较简单步骤和较少采样数据高效提高差分法磁梯度张量系统测量精度。     

基于排气噪声的柴油机气阀故障诊断

通过对柴油机气阀机构七种状态下的排气噪声信号建立AR模型,以AR模型的自回归参数作为故障识别的特征向量,建立基于极限学习机的柴油机气阀故障诊断模型,并与反向传播神经网络算法、径向基网络算法和基于支持向量机的诊断模型相比较。试验结果表明,排气噪声信号可用于柴油机气阀故障的诊断,且基于极限学习机的诊断模型与其他三种算法的分类正确率均可达到95 %以上,但在学习速度上,极限学习机具有明显的优势。