基于熵权法的卫星钟差预报研究

星载原子钟是全球导航卫星系统的核心设备之一,其性能及钟差预报精度直接决定着导航定位授时服务的精度。针对卫星钟差组合预报技术中子模型权值难以确定的问题,将熵权法引入到北斗卫星钟差组合预报中。对卫星钟差数据中的粗差、钟跳等异常值进行相频域组合探测,并使用滑动拉格朗日内插法进行修补,得到“干净”钟差序列。以灰色模型和二次多项式模型作为基础模型,构建基于信息熵这一新的评价指标的钟差组合模型,建立北斗卫星钟差熵权组合预报模型。使用武汉大学IGS数据中心发布的北斗精密钟差数据产品,分别进行了连续多天的短期预报和中长期预报试验,多天的平均试验结果验证了熵权组合模型在北斗卫星钟差预报精度和稳定性方面较传统组合模型均存在一定优势。     

基于Gram-Charlier展开的相空间重构时间延迟选择方法

时间延迟是相空间重构中的一个关键参数。利用冗余度作为标准来选择时间延迟具备充分的理论依据,然而冗余度的计算在实现上比较困难。基于概率密度的G ram-Charlier展开式,提出了一种简化的计算方法,该方法显著降低了冗余度计算的复杂度,使得冗余度方法能够有效地应用于相空间重构时间延迟的选择。     

原子钟钟差预测不确定度的建模与分析

钟差预测是原子钟时标产生和原子钟驾驭的关键环节。原子钟作为精准的信号源,其信号由确定信号部分和固有噪声即随机部分组成。氢钟和铯钟主要包含两种噪声,即调频白噪声和调频随机游走噪声,这两种噪声是产生预测不确定度的主要因素。根据原子钟数学模型补充推导出原子钟时差数据预测不确定度的数学表达式,并得出了钟组的最小预测不确定度,分析了钟组的台数对预测不确定度的影响。最后通过数据仿真验证了理论的正确性。     

卫星星座自主时间同步算法的研究

主要研究了空间卫星间时间同步的方法.在分析了卫星星座的特点和空间时间同步的要求后,提出了一种新的卡尔曼滤波方法来实现星座内卫星间的时间同步,并得到整个星座的系统时间.该方法通过伪距测量得到各卫星间的伪距,用卡尔曼滤波器得到卫星间的钟差和频率差,再对这些钟差和频率差进行加权统计平均,得到星座的系统时间,并以此结果修正卡尔曼滤波器参数,循环渐进优化预测结果,使整个星座内的卫星钟同步于星座的系统时间.对该方法进行仿真后,结果表明具有良好的收敛性和准确的预测值.     

基于加权相空间重构降噪及样本熵的齿轮故障分类

提出了一种基于加权相空间重构降噪及样本熵的齿轮故障分类方法,给出了加权相空间重构降噪及样本熵的原理及计算公式.该方法将一维的时间序列重构到高维的相空同,通过区分吸引子在高维空间的不同的属性与特征,对原始信号进行加权相空间重构降噪,再计算降噪后信号的样本熵从而实现对齿轮故障信号的分类.对该方法进行了仿真与实验研究,结果表明,降噪后的信号有效地抑制了噪声对实验结果的影响,使得样本熵能够对齿轮不同的工作状态进行有效区分.     

基于模态综合法和模态叠加法的密集模态结构响应重构

提出一种基于模态综合法和模态叠加法的密集模态结构响应重构方法,通过两次坐标变换将全结构缩聚为自由度更少的超单元模型,将超单元模型的模态分为密集模态和剩余模态。通过经验模态分解法分离出已知响应中单阶的剩余模态响应,进而重构出待测位置的剩余模态响应,待测位置的密集模态响应可由模态振型和剩余模态计算得到,通过模态叠加法实现在密集模态下的时域响应重构。进行了数值模拟研究,将待测位置响应的理论值与重构值进行比较以验证该方法的精度和效率,此外还详细研究了主模态数量、子结构划分方式、测量噪声和阻尼对重构结果的影响。结果表明：该文方法通过模型缩聚大大减少了重构的数据量,并且改善了传统EMD方法不能分离频率间隔较小的模态而无法实现响应重构这一不足,无论密集模态存在与否都可适用于结构的应力、应变、位移、加速度等多种动力响应的重构。     

基于相空间重构和非线性流形的滚动轴承复合故障诊断

针对滚动轴承振动信号的非平稳以及非线性特点,提出了一种基于相空间重构和非线性流形的滚动轴承复合故障诊断方法。该方法首先将滚动轴承一维振动信号重构到高维相空间,然后计算重构信号协方差矩阵的特征值,以此组成轴承故障诊断原始特征集;采用局部切空间排列算法对原始特征集作特征压缩后,将获得的新的特征输入到K-means分类器中进行轴承故障的识别与聚类。实验结果表明,与经典的线性分析方法PCA相比,该方法的聚类效果更好。     

基于钟差建模的水下定位时延修正算法

针对同步定位模式中存在的钟差影响定位精度的问题,提出了一种适用于水声定位系统的同步时钟修正算法.对单个水下固定潜标的时延进行长时间观测,测量定位时延的变化量,建立了钟差修正模型,定位精度得到明显提高.此模型在海试试验数据中得到了验证,两个潜标的相对定位精度分别提高了31.1％和64.6％,且解算钟差模型系数与设备精度吻...     

基于检测系统非线性相关性的相空间重构时间延迟估计

提出一种确定时间延迟参数的新方法,非线性复自相关法。采用一个高次复自相关函数R(τ)检测系统的非线性相关性,通过寻找R(τ)的第一个局部极小值点来确定最优时间延迟。R(τ)时间复杂度低,对数据长度依赖性不强。选取四种典型混沌动力学系统,加入不同噪声水平的高斯白噪声,模拟含噪混沌时间序列,进行数值验证。结果表明,所得结果更合适,同时具有优秀的抗噪声能力。     

星敏感器外场观星标定及检验方法研究

介绍了星敏感器的主要检验标定方法-外场实测观星标定方法,以及实验平台的组成和搭建。根据对双CCD探头星敏感器获取的实验数据进行处理、分析,给出了动、静态三轴姿态精度和数据更新率。实验结果表明,采用这种方法可对星敏感器的精度、更新率、敏感星等级、捕获时间等指标进行检验,可信度高。     

基于EEMD模糊熵和GK聚类的信号特征提取方法及应用

提出了一种基于集合经验模态分解模糊熵和GK聚类相结合的方法,应用于滚动轴承的故障诊断中。首先,利用EEMD方法将故障信号分解成多个本征模态分量来消除模态混叠影响;其次,通过相关性对IMF分量进行筛选,并求取其模糊熵作为特征向量进行GK聚类分析进行模式识别。在实验分析中,通过模糊熵、样本熵、近似熵3种特征参数的对比,和GK聚类与FCM聚类的对比,证明了该方法的有效性和优越性。     

基于经验模态分解的聚焦超声非线性声场检测

为精确检测聚焦超声声场中的谐波成分并得到谐波分布规律,开展了对聚焦超声非线性声场检测的研究,提出基于经验模态分解的聚焦超声谐波检测方法。首先对声场信号进行经验模态分解;然后利用噪声判断准则判断出固有模态函数（IMF）中的噪声分量,滤除噪声分量后将剩余的IMF分量予以重新组合;最后对新信号进行傅里叶变换,得到各次谐波的幅值。结果表明:它能较好地抑制噪声,相比于传统的检测方法可获得更平滑的谐波分布;该方法对开展谐波成像、医学超声检测具有重要意义。     

基于AMD的经验模态分解含间断信号模态混叠消除方法

针对在经验模态分解筛选过程中间断信号引起的模态混叠问题,提出了一种基于解析模态分解的经验模态分解模态混叠消除新方法。利用第1个固有模态函数的瞬时频率特性得到其频率成分及二分频率,且能实现对间断信号的定位,然后再采用解析模态分解方法分离出间断信号,再对处理后的信号进行经验模态分解,从而消除该间断信号的影响。仿真分析和工程应用的结果表明,该方法能有效消除间断信号在经验模态分解过程中引起的模态混叠现象。     

基于EEMD-ICA的脑电去噪算法研究

脑电信号(EEG)是脑神经细胞的电生理活动在大脑皮层的反映,但采集到的脑电信号一般都含有大量噪声.为了保留有效信息同时消除尽可能多的噪声,提出通过构造虚拟通道将集合经验模态分解与独立成分分析相结合的脑电信号去噪方法.首先,对脑电信号进行EEMD分解得到固有模态函数(IMF)分量,根据相关性准则筛选含噪声成分多的IMF分...     

A Study of the Equipment Fault Diagnosing Method Based on EMD and Holo-spectrum

We first introduce the empirical mode decomposition(EMD)and holo-spectrum analysis.Then we decompose the vibration signal of the equipment by EMD,re-organize the signal closely associated with the original signal,eliminate the noise signal better,and analyze the holographic re-signal spectrum,which makes the amplitude,frequency and phase combine completely,reflecting the equipment vibration morphology fully.Particularly applying a two-dimensional holo-spectrum can obtain the direction of rotation order harmonic,size,shape,and the relationship between order harmonic generation rotor vibrations,and so on.The traditional signal processing methods can not eliminate noise well.We apply this method to the rotor vibration signal of fault diagnosis,eliminate noise and reflect the equipment vibration characteristics well.     

基于粗大误差估计的表面测量稳健滤波方法研究

将粗大误差估计理论与高斯滤波方法相结合,提出了一种新的表面测量稳健方法。首先由kσ准则对表面轮廓中的畸形信号进行判定、识别、修正,详细论述了相应算法;然后由移动平均逼近方法实现高斯滤波,建立表面轮廓中线;最后由原始轮廓和得到的稳健滤波中线分离出表面粗糙度轮廓,实现了稳健滤波目的。该方法算法简单、易于实现,对表面畸形信号能够较好地抑制。     

基于EMD的激光雷达信号去噪方法

针对激光雷达回波信号较弱易于被各种噪声污染的特点,本文提出利用经验模态来模态分解(EMD)这一非线性、非平稳信号处理方法,对Mie散射激光雷达信号进行多尺度分解.该方法是利用信号内部时间尺度的变化做能量与频率的解析,采用这种方法能够将噪声污染的激光雷达信号分解成若干个线性、稳态的本征函数(IMF),通过对本征函数的重构,去除包含高频噪声的IMFs,从而达到去噪目的.实验结果表明,这种方法的去噪能力强,并且具有自适应的特点,从而说明了这种方法在信号去噪中的优势.     

基于多元经验模态分解与卷积神经网络的气液两相流流型识别

提出了一种基于多元经验模态分解(MEMD)与卷积神经网络(CNN)的垂直管道气液两相流流型识别方法。该方法基于数字化电阻层析成像(ERT)系统采集的测量数据,预处理后进行MEMD分析,通过求取各分量与原始信号的皮尔逊相关系数选取本征模函数(IMFs)并求解Hilbert边际谱,提取Hilbert边际谱的标准差与均值作为卷积神经网络(CNN)输入以识别流型。结果表明,该方法能够有效识别泡状流、弹状流、段塞流,平均识别准确率可达96.43%。