轴转动调制腐蚀电流产生的极低频电场的测定

钢制船壳和青铜制螺旋桨之间在海水中会因电化学作用而产生腐蚀电流,该电流会从螺旋桨、经转轴、轴承、密封圈及其他一些机械线路回到船壳.随着螺旋桨转轴的转动,这个回路的电阻抗会发生周期性的变化,使得海水中的电流受到调制,从而产生极低频的电磁场由船体向外传播.文中利用船模和Ag/AgCl电极在实验室具体测量了螺旋桨转动时调制船模在海水中的腐蚀电流而产生的极低频电场.测量结果表明,由不同金属制成的船壳和螺旋桨之间的腐蚀电流经螺旋桨转动的调制后, 会产生与螺旋桨转速具有相同频率的极低频电场, 成为舰船的一个重要目标特性.  

改进的离散小波-优化极限学习机在倾转旋翼机故障诊断中的应用

针对倾转旋翼机飞控系统的故障诊断问题，提出一种改进的离散小波-优化极限学习机（OMELM）的故障诊断算法。提出自适应启发式小波去噪方法对采集的信号进行消噪，定义了帕塞瓦尔能量用来提取测量信号经离散小波变换分解后的特征，并对OMELM进行了改进。将提取的故障能量特征进行归一化后输入到改进的OMELM多分类器中进行分类，以美国XV-15倾转旋翼机为例进行仿真验证。结果表明文中方法平均辨识率高，诊断时间短，对未来我国进行倾转旋翼机故障诊断的研究有一定参考价值。  

某型舰炮的失控与改进

分析了某型舰炮高低随动系统出现故障失控时,造成高低机极限角卡死问题的原因,提出了解决问题的方案,并在该炮的综合治理中得到了证实。  

运用从头算动力学方法研究极端条件下CL-20的分解机理（英）

运用从头算动力学方法研究一种高密度笼状化合物(CL-20)在极限条件下的分解机理。结果显示在不同的条件下,CL-20的起爆机理和分解过程都不相同,这表明CL-20对高温高压都很敏感。对比相应条件下主要产物的数量发现高压会抑制分解反应的进程。但是,在高压耦合高温时会生成R-C_xO_y(x>2,y>5)中间体又意味着高压使分解反应更加复杂。在R-C_xO_y (x>2, y>5)中间体中,化合物C₃O₆已经被证实是一种高能密度化合物。  

强冲击下线弹性体中的运动非线性效应

分析和研究了强冲击下线弹性体中与质点非线性运动有关的运动非线性效应。研究结果表明，运动非线性的动态响应十分显著，在分析和计算中不可忽视。本文还研究了线弹性体中运动非线性波的激波构成和传播。  

图像制导的目标匹配算法与系统设计

根据航拍地形图像和目标图像的特点,提出Zoser图像匹配算法用于图像导航与制导.Zoser算法主要由高斯Zoser图像金字塔、24邻域极值点和SIFTl28描述符等组成.Zoser算法使用整型数据,结构简单,二级算法独立性好,易于模块化设计;根据这些特点提出了基于FPGA和多DSP的系统设计方案,系统具有较好的实时性和图像匹配目标识别性能.Zoser算法对图像位移、旋转、仿射变换、尺度变化、噪声影响、轻微形变和照度变化有较好的鲁棒性,识别和匹配的准确性较好,速度比SIFT算法提高3倍左右,更适合实时系统.  

统计极值法的两种数据采集方式对预测疲劳强度的影响

利用非水溶液电解法提取夹杂物和观测疲劳断口上疲劳源处夹杂物的方法收集夹杂物尺寸的数据,通过统计极值法计算某一体积的EA4T钢中的最大夹杂物尺寸,以此对该体积的EA4T钢进行疲劳强度预测。两种方法推算的结果与真实值差别较大,提取夹杂物方法推算出的疲劳极限下限值高于观测疲劳断口上疲劳源处夹杂物方法推算的结果。  

基于极限学习机模型的粒子滤波无设备定位方法研究

在无线通信环境中，无线射频信号易受到干扰，强度波动较为明显。为定量描述和分析目标位置与无线信号强度之间复杂、多变的关系，更加精准地估计目标位置，提出了基于极限学习机（ELM）模型的粒子滤波（PF）无设备定位算法。该算法包括ELM模型构建（离线阶段）和目标位置估计（在线阶段）。在ELM模型构建阶段，建立目标在不同位置与链路（发射节点与接收节点之间的通信链路）信号强度变化的离线数据库，利用ELM构建目标位置与无线射频信号强度的映射关系。在目标位置估计阶段，通过映射关系结合PF实现目标位置的跟踪。实验结果表明，所提算法不仅有效地解决了目标位置与无线射频信号强度的映射关系，而且比高斯过程模型-PF、支持向量机-PF等现有算法显著提高了目标跟踪精度。在无线通信环境中，无线射频信号易受到干扰，强度波动较为明显。为定量描述和分析目标位置与无线信号强度之间复杂、多变的关系，更加精准地估计目标位置，提出了基于极限学习机（ELM）模型的粒子滤波（PF）无设备定位算法。该算法包括ELM模型构建（离线阶段）和目标位置估计（在线阶段）。在ELM模型构建阶段，建立目标在不同位置与链路（发射节点与接收节点之间的通信链路）信号强度变化的离线数据库，利用ELM构建目标位置与无线射频信号强度的映射关系。在目标位置估计阶段，通过映射关系结合PF实现目标位置的跟踪。实验结果表明，所提算法不仅有效地解决了目标位置与无线射频信号强度的映射关系，而且比高斯过程模型-PF、支持向量机-PF等现有算法显著提高了目标跟踪精度。  

lp范数约束的模拟电路3层多核故障诊断模型

为提升模拟电路故障隔离精度，结合基于故障特征间一维模糊度的特征选择算法，提出一种改进的l_p范数约束多核超限学习机诊断模型。该模型通过将带权分类误差融入超限学习机优化目标函数中，基于自适应Boosting策略构建了一种3层多核学习框架。在新框架下通过自适应调整训练样本的权重分布，使得每层框架能够聚焦于不同故障样本，进而提升诊断模型的辨识力。通过对2个电路实例的诊断，结果表明：所提模型在不同范数约束下具有近似一致的诊断性能；当故障属性单一时，在平衡漏警、虚警的同时，能够显著提升诊断正确率；当多种属性的故障并存时，能够将难以辨识的故障更加准确地隔离到少数模糊组中。为提升模拟电路故障隔离精度，结合基于故障特征间一维模糊度的特征选择算法，提出一种改进的l_p范数约束多核超限学习机诊断模型。该模型通过将带权分类误差融入超限学习机优化目标函数中，基于自适应Boosting策略构建了一种3层多核学习框架。在新框架下通过自适应调整训练样本的权重分布，使得每层框架能够聚焦于不同故障样本，进而提升诊断模型的辨识力。通过对2个电路实例的诊断，结果表明：所提模型在不同范数约束下具有近似一致的诊断性能；当故障属性单一时，在平衡漏警、虚警的同时，能够显著提升诊断正确率；当多种属性的故障并存时，能够将难以辨识的故障更加准确地隔离到少数模糊组中。  

基于掩膜经验模态分解和ELM 的风速预测

针对随空间、时间呈现非平稳、非线性变化的特征,提出基于极限学习机和掩膜经验模态分解的组合短期风速预测方法.首先,风速序列的非平稳性特征对风速预测结果有较大影响,利用掩膜经验模态分解的方法将风速序列分解成对平稳的不同频率的分量,解决其存在的非平稳性问题;其次,为处理极限学习机的输入维数随意性选取问题,对风速序列分解不同频率的分量进行相空间重构;最后,利用ELM神经网络方法对各分量建立预测模型.实验结果表明:该预测方法在短期风速序列预测中取得了理想的预测效果,提高了算法精度,具有先进性和有效性.