基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

失火故障模式下的柴油机信号特征分析

针对一汽锡柴公司某型号柴油机在不同故障模式下的信号特征进行分析,研究了在柴油机典型失火故障下经过小波包分解后的缸盖振动信号特征敏感性,为柴油机的故障模式分析提供参考.     

基于波段选择改进的高光谱端元提取方法

为了解决传统N-FINDR算法降维时破坏像元光谱曲线的物理意义这个问题, 采用波段选择方法中的最佳指数法代替特征提取, 改进N-FINDR算法的降维方式; 利用模拟和真实高光谱数据进行实验, 分别用改进的N-FINDR算法与其它两种算法提取端元, 并用全约束最小二乘法解混。结果表明, 改进的N-FINDR算法的解混精度更高, 用时更少。用波段选择代替特征提取改进降维方式, 保留了光谱曲线的物理意义, 在N-FINDR算法中是可行的。     

瞬态脉冲电场传感器研发现状与展望

综述了瞬态脉冲电场传感器的研发现状。分别对直接感应式的电场传感器和电光调制式的电场传感器的研究现状和特点进行了分析,对比了各种类型传感器的优缺点,指出瞬态脉冲电场传感器还应该在超宽带、大线性动态范围、微干扰以及三维全向测试等方面进行深入研究和探讨,在此基础上对其发展前景进行了展望。     

固体自拉曼激光器多波长输出研究

实验对比了a切和c切的Nd∶YVO4晶体作为激光晶体时,激光器输出光光谱及输出功率上的区别。设计了一种小型化固体自拉曼多波长激光器,实验证明通过调节倍频晶体BBO的角度,可实现多波长选择性输出及同时输出,并测量了其输出光谱及单波长输出时的功率。     

空地协同视觉实现无人机自主降落研究

在深入分析了无人机视觉降落多种方式的基础上,结合无人机连续视觉图像的三维空间信息,提出了基于空地协同视觉信息的无人机自主降落方法,设计了一种多图形组合、多色彩导引、多方法识别的地面合作目标。从坐标系的转换、合作目标的选取、识别与处理等方面进一步细化论述空地协同视觉完成无人机自主降落的方式,通过灰度变换、HSV色彩变换、HU不变距匹配等方法保障了合作目标的准确识别率。     

基于变分模态分解与快速谱峭图的齿轮箱滚动轴承故障特征提取

针对齿轮箱的滚动轴承故障信号因噪声干扰,难以进行有效提取的问题,提出了基于变分模态分解与快速谱峭图相结合的轴承故障特征提取方法。首先,利用变分模态分解(Variational Mode Decomposition,VMD)将振动信号分解成若干个本征模态分量(Intrinsic Mode Function,IMF),通过相关峭度计算选取故障信息最突出的分量信号;然后,利用快速谱峭图自适应地确定带通滤波;最后,对滤波后的信号进行平方包络谱分析,提取出故障信息。通过公开数据分析和齿轮箱轴承故障实验,证明了该方法的有效性和可行性。     

基于BP算法的无人机物理层网络编码研究

建立了基于置信传播(BP)算法的双向中继系统传输模型,理论推导了中继节点处物理层网络编码的映射关系,研究了不同调制方式下各种异步因素对通信系统误码率的影响规律,为无人机在实战中更广泛地应用提供理论基础.     

虚拟现实技术训练应用研究综述

虚拟现实技术训练应用是科技发展的必须趋势,是和平时期提高部队实战能力的主要手段。通过对当前虚拟现实在部队军事训练应用方面进行研究,并采取"分析归纳、分类合并、中外对比、问题剖析、多措并举"的方式,发现虚拟现实技术训练应用存在技术引进应用不够,训练模拟器应用处于低层次徘徊阶段,且实战针对性不强等问题,提出研判外军作战行动、吸收借鉴经验做法、引领创新技术应用等做法,从而实现从"跟跑-并跑-领跑"的过渡。