利用双天线相位差的ADS-B欺骗式干扰检测方法

广播式自动相关监视技术相比于传统监视系统具有定位精度高、更新速率快和设备成本低等优点，受到国际民航组织的大力推广。但由于其共享开放式的特点使得系统容易受到各种欺骗式干扰的影响，严重威胁空中交通安全。本文提出了一种利用双天线相位差进行欺骗式干扰检测的方法:对同一信源广播的一组位置消息，首先根据其广播内容计算一组表征目标相对于接收机方向变化的量；其次根据双天线之间的相位差计算一组同样表征此方向变化的量；最后通过两组变量的相关系数判别真实目标和欺骗干扰。此外，针对与空中真实目标ICAO地址相同的虚假ADS-B消息可能导致的误检测，我们也提出了信源一致性检测方法。本文方法不需要估计信号来向，对天线的幅相误差稳健，仿真实验和实测数据均验证了方法的有效性。      

智慧图书馆设备故障规避的HFACS等级相关分析

大数据人工智能时代下图书馆各项新技术设备的应用为智慧图书馆的发展提供了高效智能化的技术支持,实现了智慧服务的自动化,帮助用户更加便捷地获取、利用、分享图书馆的各项资源;但随着内外环境的变化影响,设备故障问题也日益突出,如何有效规避智慧设备故障隐患,降低故障风险成为亟待解决的新课题。笔者通过自身工作实际结合相关文献资料,统计发现影响设备故障主要分为四类因素,其中人为因素占了很大比例,进一步深入分析得出含制度设计、流程执行等16种因子的四层改进型HFACS框架。通过设备故障样本集数据集计算Spearman和Kendall Tau—b相关系数得出各层等级相关度,逐步挖掘出各层内在相关逻辑因子,探究出设备故障致因链进行分析,总结归纳启示性建议为图书馆相关智慧管理和服务提供科学依据。     

EMD辅助相关系数SVD的单向阀故障诊断

单向阀是往复式高压隔膜泵的关键部件,其故障振动信号常遭受强噪声污染,导致故障特征难以检测。针对这一问题,提出一种经验模态分解(EMD)辅助相关系数奇异值分解(SVD)的单向阀故障诊断方法。该方法首先将单向阀振动信号进行EMD分解,并将分解得到的本征模态函数(IMF)进行重构;然后将重构信号输入到相关系数SVD系统中进行二次分解,并用相关系数法筛选出包含故障特征信息的分量信号;最后对有效分量信号进行希尔伯特包络谱分析,实现单向阀故障诊断。仿真结果表明,提出方法解决了强噪声背景下故障特征提取困难的问题;实测数据表明,该方法能够有效检测出单向阀故障。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于Copula-POME的负荷与气象因素相关性度量研究

负荷与气象因素的关系是非线性且模糊的，针对传统的线性相关系数不能准确刻画负荷与其气象成因的相依结构。在分析负荷对气象因素响应的基础上，提出了结合Copula函数与最大熵原理（POME）的负荷与气象因素相关性度量方法，该方法基于POME建立了负荷与气象因素的边缘分布，利用Copula函数拟合了负荷与气象多变量系统中的非线性相依结构，并推导了度量相关性的Kendall秩相关系数、Spearman秩相关系数和Copula熵。在实际的负荷和气象系统中的应用表明，Copula-POME方法在分析负荷与其气象成因关系时无先验分布假定，具有灵活的函数形式，能准确表达多变量系统的相依结构；秩相关系数和Copula熵弥补了线性相关系数在度量尾部相关中的不足，能准确度量负荷与气象因素的相关性。     

大型风电机组塔筒应力监测点的选取与预警

针对大型风电机组塔筒应力监测缺失的情况，提出基于ANSYS软件应力点的选取和person相关系数法与灰色神经网络相结合的塔筒应力预警方法。通过软件分析和现场实验，研究风电数据和塔筒应力的关系并进行塔筒预测，并首次应用到风电机组塔筒监测中。通过实例分析验证，结果表明，该方法能够有效地进行塔筒应力监测，为风电机组塔筒的检测提供依据。     

纵火现场助燃剂塑料容器盖的XRF分析

为建立一种检验纵火现场助燃剂塑料容器盖的光谱分析方法,模拟案件现场条件,对完全燃烧后的助燃剂塑料容器盖进行X射线荧光光谱分析。根据不同品牌样品中元素的种类,可将38个不同品牌的样品分为6组,针对每一组采用元素质量分数的比值进一步区分,可以达到区分的目的,并使用皮尔逊相关系数验证分组的相关性,证实了分类方法的准确性。