引信外弹道加速度测量方法

为了实现弹丸外弹道切向加速度的有效测量,使加速度测量更具理论基础,在实际应用时更具参考价值,提出利用MEMS加速度传感器测量轴向加速度以代替切向加速度的测量方法。利用六维刚体外弹道模型分析了弹丸运动过程中攻角随着弧长和射角的变化规律,并以此为基础计算利用两种加速度进行弹道弧长解算的误差,仿真试验发现,攻角变化很小,两种加速度变化规律差异很小,利用两种加速度计算出的弧长误差也很小,在有限距离内可以利用轴向加速度进行弧长解算。利用MEMS加速度传感器进行测量系统设计,并进行实弹射击试验,试验结果表明该方法能准确获得弹丸外弹道的加速度,加速度变化规律和范围在误差允许的范围内与仿真试验结果基本一致,在弹丸外弹道性能分析、惯导系统设计以及精确制导弹药研制方面具有广阔的应用前景。     

基于AHP与多属性效用的自行火炮作战效能评估

自行火炮作战效能评估一般会利用AHP以及多属性效用等有效方法。AHP能够充分利用专家的主观意见,但是难以排除人为因素带来的主观偏差的问题;多属性效用方法不受人为因素影响,且能够充分运用武器的具体参数,但难以反映评估专家的偏好,也无法判断评估对象各指标的相对重要性的问题。针对以上问题,提出了一种基于AHP和多属性效用结合的评估方法。该方法有效结合AHP与多属性效用方法的优势,实现了评估时主观数据和客观数据的有机统一,减小了评估偏差。通过对自行火炮作战效能进行实例分析,并分析验证了该方法的科学性与合理性。     

小波多分辨分析的频带阈值去噪方法

提出了一种基于小波多分辨分析的频带阈值去噪方法,并给出了此方法的主要算法步骤。用此方法与单一阈值方法分别对一个实例信号进行了去噪处理,并基于两个客观评价标准：信噪比（SNR）、均方根误差（RSME）,评估了去噪效果。实验结果证明了提出的方法是一种更有效的语音去噪方法,大大提高了信噪比,改善了清晰度。     

基于LFOA优化多核支持向量机的液压泵故障诊断

针对采用传统支持向量机(Support Vector Machine,SVM)进行故障诊断时核函数的构造和参数的选取存在盲目性的问题,提出一种基于改进果蝇优化算法优化多核SVM的液压泵故障诊断方法。首先,对液压泵振动信号进行局部特征尺度分解(Local Characteristic-scale Decomposition,LCD),从多个角度提取混合特征组成特征集。然后,基于全局核函数和局部核函数构建多核支持向量机,并利用具有Levy飞行特征的果蝇优化算法(LFOA)对核函数权值和参数的选取进行优化。最后,将特征集输入多核SVM进行识别。液压泵故障诊断结果表明,与采用FOA、GA和PSO优化算法及单核SVM相比,所提方法具备全局寻优能力强和诊断准确率高的优点,可有效应用于液压泵故障诊断。     

基于多尺度样本熵和VPMCD的自动机故障诊断

针对自动机故障诊断过程中振动信号的非线性、非平稳性、非周期性导致的故障特征较难提取,以及故障识别率偏低这一问题,提出了一种基于多尺度样本熵和多变量预测模型(variable predictive model-based class discriminate,简称VPMCD)的自动机故障诊断方法。首先,对采集到的信号进行小波阈值降噪处理;其次,利用小波包分解的方法对振动信号进行分解,得到多个尺度下的信号分量;然后,计算不同尺度下信号的样本熵值,并提取对故障特征较为敏感的尺度因子,组成故障特征向量;最后,利用多变量预测模型对故障特征向量进行训练和识别,进而实现自动机的故障诊断。自动机故障诊断试验分析结果表明,利用多尺度样本熵和多变量预测模型的方法可以准确识别多种典型的自动机故障类型。     

奇异谱分析在机械设备故障诊断中的应用

在重构相空间重构吸引子的基础上,提出一种基于奇异谱分析的设备故障诊断方法。基于奇异谱理论介绍了该方法的基本原理,并给出该方法的实现步骤。实验研究表明,该方法可以显著降低噪声信号,有效地提高信噪比,并且能保留与噪声信号的频谱相混叠的系统信号,突出故障的信息特征,可大大提高设备故障诊断的准确性,它同时还具有良好的瞬态信息提取能力。     

基于MEMS加速度传感器的振动加速度测量系统设计

以MEMS加速度传感器为主体器件,设计了一种振动加速度实时测量和存储系统,利用串口显示助手读取显示测量系统的存储测量数据,通过振动试验台试验检验系统测量性能和抗过载能力。试验结果表明:该测量系统可完成振动加速度的实时测量,并可承受至少100g的过载冲击。     

基于CSO-SVM的轴承健康状态评估研究

支持向量机是基于统计学理论的机器学习算法,在解决高维、局部极值和结构选择问题中具有优势,广泛应用于数据发掘中。但是其核宽度和惩罚因子的选择直接关系到支持向量机分类结果。针对上述问题,可采取优化算法对该参数进行优化,达到提高支持向量机的分类精度的目的。鸡群优化算法是近年新提出来的一种全局优化算法,具备结构清晰,全局搜索能力优等优点,在优化问题中得到广泛应用。基于此,提出一种基于鸡群优化的支持向量机模型（CSO-SVM）的健康状态评估方法,并应用在轴承健康状态评估领域中。结果表明,基于CSO-SVM的轴承健康状态评估精度达到97%,明显优于基于传统机器学习模型的健康状态模型的评估精度,具有更好的健康状态识别效果。     

一种邻域自适应半监督局部Fisher判别分析算法

针对利用局部化思想解决多模数据的判别分析问题时,根据经验对局部邻域大小进行全局统一设定无法体现局部几何结构的差异性的不足,提出一种邻域自适应半监督局部Fisher判别分析（neighborhood adaptive semi-supervised local Fisher discriminant analysis,NA-SELF）算法。该算法在半监督局部Fisher判别分析算法的基础上,结合马氏距离和余弦相似度确定初始近邻数,并根据样本空间概率密度估计调整近邻数。通过人工数据集和5组UCI标准数据集对该算法的特征降维性能进行验证,并与典型的维数约简算法和采用传统k近邻方法的判别分析算法进行比较,实验结果表明该算法具备更高的有效性。     

基于DSP的声信号降噪系统的设计与实现

基于DSP TMS320VC5502和音频采样芯片TLV320AIC23构建了声信号降噪系统,分析了该系统的总体结构设计和软件处理流程设计.在DSP/BIOS控制机制下,建立了基于DMA、双缓冲区切换和中断响应机制等技术的音频信号采集与处理的程序框架.提出了一种基于多分辨分析的小波频带阈值降噪方法,并应用TDS5502EVM板和TDS560仿真器对优化的小波阈值降噪算法进行了实时仿真,实现了对强噪声语音信号的分析与降噪处理,并通过一个实例信号验证了系统的良好性能.