弹道目标平动补偿与微多普勒特征提取方法

针对传统逆合成孔径雷达(ISAR)成像中的平动补偿方法并不适用于弹道目标平动补偿的问题,该文提出了一种弹道目标平动补偿与微多普勒(m-D)特征提取方法。在分析有翼弹道目标未完成平动补偿时的m-D效应的基础上,首先采用形态学中的骨架提取方法抑制1维距离像旁瓣,再在快时间频率(距离)-慢时间平面上搜索分离各散射点的m-D特征曲线,然后对其进行经验模式分解(EMD)分解,利用分解结果中的趋势项分量完成目标回波的平动补偿,并通过分析EMD分解结果获得了目标的自旋频率、锥旋频率等特征信息。仿真实验验证了所提方法的有效性与鲁棒性。     

基于Laplace小波相关滤波的结构模态参数精确识别方法

为了从结构脉冲响应信号中精确识别结构模态参数,提出一种基于Laplace小波相关滤波的结构模态参数精确识别方法。首先对结构的脉冲响应信号进行经验模式分解,将结构多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,再对这些分量分别进行Laplace小波相关滤波便可准确识别结构的各阶模态参数。仿真信号的计算结果表明该方法可以得到精确的阻尼固有频率,并能准确地锁定阻尼比。悬臂梁力锤激励试验结果表明该方法在实际结构的模态参数识别中也非常有效。     

泾河年径流量BP神经网络模型研究

以1957—2000年的实测降水序列和泾河年径流量序列为研究对象,利用EMD法和GA建立了泾河年径流量的BP神经网络模型。分析结果表明:泾河流域年降水量变化可能存在准2～3、5～7、10～13、18～22 a的周期;基于EMD的年径流量BP神经网络模型预测值的相对误差为-4.71%～8.21%,基于GA的年径流量BP神经网络模型预测值的相对误差为2.25%～12.22%。     

铜阴极电解的EMD的电子微探分析

对EMD的电子微探分析(EPMA),发现有Cu的浓缩点存在,电感耦合等离子体发射光谱(ICP-AES)分析析值为0.8×10-4%.通过EPMA,可以对EMD进行微观解析.     

基于自适应滤波的滚动轴承故障诊断研究

针对固有频率未知的滚动轴承故障诊断问题，提出了一种基于经验模态分解的自适应滤波方法。讨论了经验模态分解方法及其在获取固有模态函数过程中的自适应滤波特性。通过对滚动轴承故障振动信号进行经验模态分解得到固有模态函数，运用希尔伯特变换解调固有模态函数得到包络幅频图，获取滚动轴承故障特征频率，进而确定滚动轴承的故障位置。应用该方法对仿真和实际数据进行了分析，并与冲击脉冲法作了比较。结果表明，基于经验模态分解自适应滤波的滚动轴承振动信号解调方法能够更有效地突出故障特征频率成分，避免误诊断。     

基于时延自相关预处理的Hilbert-Huang变换解调

针对具有噪声干扰的旋转机械故障振动信号解调问题，提出基于时延自相关运算和经验模态分解（
EMD）方法相结合的新方法.讨论了时延相关算法的降噪原理、离散信号时延相关算法和Hilbert Huang变
换理论.采用矩形窗截断故障振动信号自相关函数的无偏估计, 获取较长时间差的部分，得到时延相关函
数.利用EMD方法对时延相关函数进行自适应滤波, 得到固有模态函数（IMF），对IMF进行Hilbert变换，
求得解调结果.不同噪声强度仿真数据和滚动轴承故障振动信号实验数据分析表明，该方法比直接解调或
仅采用时延相关解调更能有效抑制噪声，凸现信号调制信息.     

电磁式惯性型作动器与结构耦合系统建模与试验研究

针对结构振动与电磁驱动AMD控制系统（以下简称EMD系统）的相互作用问题,提出了是否考虑、以及考虑何种程度相互作用的三种理论计算模型并进行了试验研究.首先试验比较了EMD系统在正弦扫频控制电压输入下各阶理论模型预测结果与试验结果的差异,验证了各模型对系统的描述精度;其次以El Centro地震波输入为例,试验比较了3种计算模型在3种控制算法共9种试验工况下,EMD控制系统对结构地震响应控制效果的影响.本文所有试验结果均表明只有考虑相互作用、并且充分考虑高阶相互作用才能最佳地描述EMD控制系统在结构中真实的工作状态,才能充分发挥EMD系统对结构振动的控制作用,从而为实现高性能的结构振动主动控制试验与应用奠定基础.     

高电流密度下悬浮电解制备电解二氧化锰工艺的研究

采用150 A·m-2的高电流密度,电解周期为10 d. 在此电流密度下如采用常规电解会造成电流效率降低和电解产品中γ-MnO2含量降低,阳极如果采用纯钛板, 还会造成阳极的严重钝化.故本实验阳极采用北京有色金属研究总院生产的钛基钛锰涂层阳极, 阴极采用紫铜板,主要通过改变悬浮颗粒加入量来研究悬浮颗粒的加入对于电解工艺的影响.通过实验表明在高电流密度下,无悬浮体或悬浮体含量较低的电解体系,电解效率较低,当悬浮颗粒含量达到或超过0.075 g·L-1时, 电解效率在98%以上.X射线衍射表明 随着悬浮颗粒加入量的增大, 电解产品中γ-MnO2含量不断增加.     

EMD趋势分析方法及其应用研究

趋势分析是一种重要的设备状态监测与故障诊断方法,对分析较长时间范围内设备运行状态的变化具有重要意义。研究了一种基于经验模式分解（Empirical Mode Decomposition,EMD）的设备运行状态趋势分析方法。研究表明,与传统方法（如最小二乘法、低通滤波法）相比,经验模式分解能够更准确地提取信号趋势信息。应用于某炼油厂透平烟机故障诊断,表明这种基于经验模式分解的趋势分析方法能够有效提取设备运行趋势信息,消除采样中随机因素的影响,为准确评估设备运行状态、诊断故障提供可靠依据,具有重要的现场实用价值。     

基于EMD和神经网络的时间序列预测

提出了一种新的时间序列预测方法:利用EMD分解法和神经网络进行信号预测。EMD分解法是一种自适应的信号处理方法,适用于分析非线性、非平稳过程。这一方法分三个基本步骤:首先对待预测的时间序列进行EMD分解,产生多个基本模式分量IMF(Intrinsic Mode Function),接着对各个分量分别用神经网络进行预测,然后重构各分量的预测值,得到最终预测结果。仿真结果表明该方法较之以往的参数模型法以及直接用单一的神经网络进行预测更加准确有效。