采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

基于三值Walsh插值函数的PSWF重构方法

针对采用二值Walsh函数重构椭圆球面波函数(PSWF)精度不高的问题,通过理论分析的方式,将二值Walsh插值函数推广为三值Walsh插值函数,并依据其完备正交性,提出基于三值Walsh插值函数的PSWF重构方法。在此基础上,对运算量、信号精度、信号性能等进行数值分析。结果表明,相比于二值Walsh函数重构法,在运算量基本持平的基础上,提出的方法能够在相同采样点数量的情况下,使得时域重构信号的精度至少提升5个数量级,且时域正交性较好,频域能量聚集度也有1个数量级的提高。     

一种基于CST技术的机翼参数化描述方法

为了确保翼型性能，需要采用恰当的翼型参数化方法生成所需要的翼型几何体。利用CST方法生成具有代表性的Clark-Y二维机翼，同时对CST方法生成三维几何体进行了详细研究。在原有的CST方法基础上对生成三维机翼的方法进行改进，用来解决机翼外形不连续变化的情况，生成可控分段变化三维机翼外形，控制效果良好。     

具有双通道数据包丢失的Delta算子系统故障检测

研究同时存在双通道数据包丢失和时变时延的Delta算子网络控制系统（NCSs）故障检测问题.假定数据包丢失发生在控制器到执行器、传感器至控制器的数据传输过程中，并且利用两个相互独立的伯努利随机变量描述是否发生丢包.将上述的NCSs建模为网络切换系统，提出任意切换律下故障检测滤波器的设计方法.利用线性矩阵不等式（LMIs）方法、Lyapunov-Krasovskii泛函和平均驻留时间等得出所考虑的网络切换系统具备指数均方稳定性的充分条件.证明了所用的网络切换系统满足H_∞性能，并推导出了滤波器参数的显式表达.数值仿真结果验证了所提方法的有效性.     

基于BP神经网络对非线性函数拟合

不确定性、非线性常存在于控制领域系统中,难以控制和分析。本文基于BP神经网络对非线性函数拟合进行研究。通过仿真验证了该方法对非线性函数拟合具有良好效果和适用性。     

一种适用于开采沉陷的InSAR最大可检测形变梯度函数模型

由于时空失相干、大气延迟等因素的影响,InSAR技术的检测能力受限,无法保证任意矿区监测结果的有效性。若检测能力未知,使用InSAR技术将极易造成人力、物力资源的浪费。为有效判断InSAR技术是否适用于矿区地表形变区域探测,提出了一种适用于开采沉陷的InSAR最大可检测形变梯度(Maximum Detectable Deformation Gradient,MDDG)函数模型。首先通过分析地质采矿因素对开采沉陷的影响,选取矿区开采深厚比和下沉系数两个参数作为模型参数;然后基于不同分辨率、不同波长和不同入射角的SAR影像数据,采用数值模拟和回归分析方法,建立了水平煤层开采条件下的InSAR最大可检测形变梯度函数模型。为验证模型的可靠性,采用陕西大柳塔矿区2012年11月21日—2013年4月2日的13景TerraSAR卫星数据进行模型验证试验。研究表明:InSAR在该矿区的最大可检测梯度为0.008 56,相邻控制点间能够检测的形变量不超过0.171 2 m,采用地表观测站GPS数据作为参考形变值验证了上述结论;与现有模型对比,该模型检测精度更高,细化检测性能更为突出,且无需提前获取SAR影像,可为促进InSAR技术应用于矿区开采沉陷监测提供参考。     

基于子系统的非线性时变系统辨识方法

针对非线性时变系统提出一种基于子系统的辨识方法，用于时变多自由度（multiple degree-of-freedom，简称MDOF）系统中非线性的定位和估计，并且无需关于系统的先验知识。所提出的新方法提供一个连续时间模型，MDOF系统按照自由度被分解为不同的子系统。设计正交化算法和误差减小率（error reduction ratio, 简称ERR），可以确定子系统中质量和自由度之间的线性及非线性连接的所有信息。在辨识过程中，时变参数的时间表达式可以由新方法准确给出。用一个3自由度（degree-of-freedom, 简称DOF）集中质量系统和一个机械臂结构的辨识过程为例，对所提出的方法进行验证。由于简单性及高效性，此方法将在实际工程中取得广泛的应用。     

船体结构冰载荷反演方法及试验验证

冰载荷是影响船舶冰区航行期间结构安全的重要环境载荷。船舶的冰压监测通常采用应变传感器，合理地布放传感器是识别冰载荷的基础。通过对比船体外板结构试验中的冲击载荷和不同测试方案下的应变信号，确定了最佳应变传感器布放方案；采用Green核函数方法建立了船体外板结构应变冲击载荷间的响应关系，并对采集信号在噪声影响下反演的不适定性进行了分析；采用Tikhonov正则化方法克服了载荷反演过程中出现的数值不稳定问题；最后将试验中的响应用到载荷识别分析中，反演的载荷可以较为准确地反映冲击载荷的时域特征并且载荷识别精度良好。     

基于EVSEWT的下击暴流时变平均风提取

下击暴流等极端风具有强烈的非平稳特性，给风场特性分析、结构响应计算带来挑战。根据经验将非平稳风分为时变平均风和零均值脉动风分别进行分析，是处理非平稳风速信号的有效方法。分析了几种常见时变均值提取方法的优缺点，在此基础上提出一种基于能量波谷寻找的经验小波变换方法，用于下击暴流时变平均风速提取，并将提取的时变平均风和脉动风用于分析某幢高层建筑顶部位移响应。对2组下击暴流的分析结果得出：与经验模态分解和离散小波变换方法相比，基于能量波谷寻找的经验小波变换方法模型提取的时变平均风更符合预期，对应的结构响应偏于安全。     

PSO——RBFNN在发电机转子绕组匝间短路故障诊断中的应用

发电机的励磁电流和机端电气变量电压、有功功率、无功功率之间的联系,就可以反映出发电机转子绕组的运行状态.文章采用的基于微粒群优化的径向基神经网络算法通过仿真实例计算表明,该算法不但可以诊断转子绕组匝间短路故障及预测匝间短路的严重程度,而且精度和准确性也优于其他一些简单神经网络,从而验证了算法的有效性.