基于PANDA框架的并行有限元模态分析程序开发和应用

为提高大型结构振动分析的规模、精度和效率,基于面向对象有限元并行计算框架PANDA和高性能矩阵特征问题并行求解算法,开发出适用于大规模结构振动问题计算的并行有限元模态分析程序;在超级计算机银河YH和曙光5000A上,通过不同算例验证该程序的正确性和可靠性.以某靶室结构为研究对象演示该程序的应用,指出实际应用时需注意加速...     

某大客车车架结构模态分析

为计算某大客车车架骨架模态,分析设计的合理性,考察各部件间的共振特性,用HyperWorks对车架有限元模型进行前、后处理,抽取三维模型的中面,在中面上划分网格,采用SHELL单元为基本单元,建立各零部件的有限元模型.应用OptiStruct求解得到车身骨架前6阶的模态及振型描述.从仿真分析可知,客车车身固有频率能避开...     

基于高阶累积量的酉变换DOA估计算法

目前将酉变换算法用于奇数阵元均匀圆阵时需要利用模式空间算法进行预处理,而模式空间算法需要阵元数过多,且与酉变换算法结合后只能针对特定俯仰角在方位向上进行一维搜索.针对问题提出利用高阶累积量算法对阵列接收数据进行预处理,为提高测向精度和估角性能,利用酉变换算法将预处理得到的高阶累积量矩阵实数化.与模式空间算法相比上述方法降低了对阵元个数的需要,并且能够直接进行二维谱峰搜索.与经典多重信号分类算法(MUSIC)相比,在不增加特征值分解及谱峰搜索计算量的情况下,提高了算法的分辨力.按照给出的算法原理,通过仿真试验验证了所得的结论的正确性.     

改进的HHT非平稳信号分析方法及其应用

Hiibert-Huang变换是由Norden E.Huang等人提出的一种适合分析非平稳时间信号的一种新的方法.这一方法尚处在发展阶段,在建立严密的理论和方法的完善方面还有很多未知.本文首先对这一方法作了介绍;然后针对算法中出现的一些问题给出改进;最后用改进的算法和原算法进行时比,说明利用改进法,能够更准确地获得固有模态信号且能更好保留原始信号中的瞬时频率成分.     

一类高阶非线性不确定系统自适应稳定控制

研究了一类高阶非线性不确定性系统的自适应稳定控制设计问题.因该系统的非线性程度高,其控制系数不等同、符号已知、但数值未知,故在此之前其稳定控制设计问题没有得到解决.本文应用自适应技术,结合设计参数的适当选取,从而得到了设计该类非线性系统状态反馈稳定控制器的新方法,并基于反推技术,给出了稳定控制器的设计步骤.所设计的状态反馈控制器使得闭环系统的状态全局渐近收敛于零,其余闭环信号一致有界.最后通过一个仿真例子说明了控制设计方法的有效性.     

一种面向密码芯片的旁路攻击防御方法

针对不同级别的旁路信息泄露,提出一种通用的旁路信息泄露容忍防御模型,并结合信息熵理论给出该模型的形式化描述.该模型采用(t,n)门限机制,使得部分旁路信息泄露不会影响系统的安全性.在该防御模型的基础上,结合高级加密标准AES-128算法的安全实现,设计了一种两阶段掩码的旁路攻击防御方法.与已有的防御方法相比,该方法能够同时防御高阶旁路攻击与模板攻击.通过理论分析与仿真实验验证了该方法的有效性.     

ICA系数的高阶统计特征在纹理分类中的应用

根据独立成分分析系数满足非高斯分布的特点,研究高阶统计量在特征提取中的作用.提出利用方差、偏度、峭度的联合矩描述系数的分布特征,应用于纹理分类时取得较好效果.在矩估计时进一步提出利用L-矩代替常规矩进行估计,获得更好的纹理分类效果.     

一种基于高阶谱的平稳随机信号的高斯性检验算法

为了提高短数据序列下对称分布和冲击型样本的高斯检验性能,提出了一种基于高阶谱的平稳随机信号的高斯性检验算法.采用高斯核函数进一步分析了高斯分布的三谱特性.在此基础上,以反映三谱波动性的方差为统计量建立了一个新的三谱检验模型,将该三谱检验模型与xz.谱秩和检验模型相结合组成一个高阶谱检验模型.仿真表明,该模型在短数据序列下可以取得比传统模型更好的高斯性检验结果.     

刚体航天器姿态跟踪的高阶滑模控制器设计

针对存在参数不确定性和外加干扰的刚体航天器的姿态跟踪控制问题,提出一种基于高阶滑模的姿态跟踪控制方法．首先介绍高阶滑模控制的基本原理,并建立基于修正罗德里格参数描述的航天器数学模型;然后采用李雅普诺夫第２法推导出高阶滑模姿态控制律．理论分析和仿真结果均表明,该方法能够有效消除系统抖振,实现航天器姿态跟踪的精确定位,并且系统具有全局稳定性和鲁棒性．     

基于EMD多模态特征融合支持向量机的故障诊断

针对非平稳时间序列信号,提出一种基于经验模态分解(EMD)的特征提取和多模态特征融合支持向量机的故障诊断方法.首先对原始信号进行EMD分解,选择能量最大的几个基本模式分量(IMF)并提取其小波包特征,获得对每个IMF独立的特征子集;然后在每个IMF特征子集中训练SVM 弱分类器,并根据各特征子集对应的IMF能量权重进行加权融合,获得故障状态的强分类器.将该方法应用于6135型柴油机振动信号故障诊断中,实验结果表明了其可行性和有效性.