核监测多源异构数据融合体系与方法

以核监测网络系统为平台,研究基于多监测手段、多站、多传感器的多源异构数据融合方法,重点介绍了核监测多源异构数据融合的体系、组成和具体的融合算法,为核监测数据处理中心数据融合算法研究及软件研制提供借鉴.     

基于自适应核主元分析的航空发动机异常监测

针对航空发动机工作参数时变特性导致虚警率高的问题,采用自适应策略改进核主元分析模型进行异常监测。给出核主元分析异常监测框架,先用标准化的正常数据离线建模,后对实时数据计算统计量进行在线监测;为适应监测数据的时变特性,采用移动窗口自适应模型改进框架,利用实时采集的正常数据不断更新模型和监测数据。以航空发动机异常监测仿真实验进行验证。仿真结果表明：该方法能有效适应工作参数的变化,具有较高的故障检测率和较低的虚警率。     

基于现场总线的多型机载总线智能监测系统

文中提出了一种基于现场总线技术的智能监测方法,并研究了该方法在多型飞机机载总线智能监测中的应用并得以实现.该方法有效的提高了监测系统的测量精度,减少了线损等造成的误差.     

基于物理特性参数的可靠性评估

在运用科学的评估方法进行装备任务可靠性评估时,针对大型机械装备在有限的试验时间内难以得到足够的失效数据,甚至没有失效数据的问题,基于物理特性参数进行任务可靠性评估成为行之有效的途径。简述了基于物理特性参数任务可靠性评估的基本流程,探讨了基于Kendall相关系数的系统非线性相关性分析方法和基于核回归的输入输出变量回归关系建模方法,并给出了基于核回归的输出参数条件概率分布理论和装置任务可靠性评估方法。以某大型复杂机械液压装置为例,通过监测装备的性能参数变化,使用可靠度的计算方法,实现了装置任务可靠性水平评估的目的。     

基于差别矩阵属性约简算法的改进

基于差别矩阵的粗糙集属性约简改进算法,先判断差别矩阵核是否为空,再根据判断结果采取求差别矩阵、求核、属性约简等步骤,完成其相对约简.即通过构造决策表的差别矩阵核心程序求差别矩阵,在对属性进行约简前先对核进行判断并求核.最后根据输入输出进行属性约简.该方法能节约属性约简时间,提高算法效率.     

基于粒子群优化极限学习机的雷达识别方法

针对相控阵雷达识别的问题,提出一种基于粒子群优化极限学习机(PSO-KELM)的识别方法.在核函数极限学习机(kernel extreme learning machine,KELM)的基础上,引入粒子群优化算法(particle swarm optimization,PSO),求得核函数参数最优解,提高相控阵雷达识别准确率.通过构建雷达数据库,使用粒子群优化极限学习机的方法对不同噪声情况下的雷达数据进行识别,并与核函数极限学习机、核函数支持向量机(kernel support vector machine,KSVM)和半监督式迁移学习(semi-supervised and transfer learning,SSTL)的方法进行对比.仿真结果表明:在不同雷达种类和不同噪声情况下,该方法识别准确率均高于其他方法.     

核主分量分析法提取液体火箭发动机故障特征

某型号液体火箭故障仿真过程中涉及大量描述发动机状态的参数,因此在对该设备进行故障诊断前,需要对监测或仿真数据进行特征提取,以减少存储空间,缩短故障诊断时间.采用主分量分析法及其改进算法核主分量分析法对其故障仿真数据进行特征提取,从多个描述该型号一级火箭发动机故障状态的变量中选取了少量特征,采用这些特征进行故障诊断时,诊断结果正确,同时显著提高了故障诊断的实时性能.     

一类参数未知非线性系统的维纳级数分析

利用维纳级理论研究了一类特性参数未知的非线性系统.在输入x(t)为白噪声的条件下,通过测量输入x(t)和输出y(t),计算它们的各阶相关函数,得到一组表征非线性系统特性的维纳核.利用此维纳核,计算输入为已知信号时系统输出的响应.通过对实际非线性系统的分析,表明该方法具有较好的收敛性.     

插值重建的分数阶傅里叶域分析

建立在傅里叶变换基础上的传统插值重建理论已不适用于基于分数阶傅里叶变换的SAR算法,文中对插值重建理论在分数阶傅里叶域作了进一步的分析和仿真.首先依据分数阶卷积的概念从分数阶傅里叶域的角度分析了采样信号的重建方程.其次从工程应用出发,进行了有限数目卷积核的插值重建误差分析.最后,给出了卷积核的截断归一化公式.可以发现利用分数阶卷积的插值核数目大于16即可,且需要保证移动后的样本位置不远离原卷积核的样本位置.     

均值平移在图像分割中的应用

提出了一种基于统计学理论的图像分割方法.使用核函数的方法对数字图像进行非参数聚类分析.首先随机选择图像集合中一定数量的点,进而应用均值平移过程对这些数据点进行聚类,最后根据一定的准则合并性质相同的区域从而实现图像分割.试验结果表明该方法能够得到较好的图像分割效果.