燃气轮机排气温度异常检测及诊断

针对燃气轮机运行过程中的健康维护问题,提出了一种基于模糊C均值聚类的燃气轮机排气温度异常检测方法。以某型工业燃气轮机为例,采用模糊C均值聚类算法对排气温度的监测数据进行了聚类分析,得到了燃气轮机不同运行状态下的排气温度特征模式,并在此基础上实现了燃气轮机排气温度异常状态下的故障诊断分析。研究结果表明,燃气轮机甩负荷及其热通道部件的损坏失效均能够对排气温度产生不同程度的影响,模糊C均值聚类算法可以有效实现燃气轮机排气温度的异常检测,为燃气轮机性能退化预测及故障诊断提供决策参考。     

改进的粒子群优化算法下的MIMO雷达稳健波束形成

在进行阵列自适应波束形成时,由于阵元导向矢量失配现象的存在,严重影响了常规最优波束形成的性能。考虑阵元的导向矢量误差,运用改进的粒子群优化算法对阵元的导向矢量进行纠正,使其误差达到最小,得到了一种适用于多输入多输出雷达的新的稳健波束形成方法。与现有的应用于MIMO雷达的稳健波束形成方法相比,在导向矢量误差较大或者误差随机变化的情况下新方法具有更高的输出信号干噪比,且其性能一直保持了较高的稳定性。数值仿真结果验证了新方法相比已有算法具有更好的鲁棒性和更高的输出性能。     

基于链路覆盖的无线Mesh网络入侵检测方法

针对传统入侵检测方法不适用于资源受限的无线Mesh网络( WMN)的问题,提出一种基于链路覆盖的分布式入侵检测( LCDID)方法。该方法将WMN中所有节点纳入到入侵检测中,节点根据自身内存阈值加载入侵检测系统功能模块,并采用协调优化机制优化节点对功能模块加载,每条通信链路可由多个节点覆盖检测。仿真实验结果表明,LCDID方法对不同规模的网络具有较好的适应性和可扩展性;与现有检测方法相比,该方法具有更高的内存利用率和入侵检测率。     

低压配电网三次谐波电流的检测与分析

随着低压配电网非线性负荷的增加,各相线非线性负荷产生的三次谐波电流在中线中叠加,使得中性线中电流大幅提升,从而影响了整个供电系统的电能质量和安全。通过对石家庄某居民小区进行实际检测,分析三次谐波电流对电网电能质量的影响,并对串联型三次谐波滤波器对已击穿设备的影响进行分析。得出三次谐波电流主要影响电流畸变和低压配电网的畸变功率。     

基于模型缩聚的θ指标损伤识别方法

为实现大型三维空间结构的损伤检测,提出了一种基于模型缩聚技术的检测方法。该方法利用有限数量的加速度传感器,得到大型三维桁架结构的自振频率和模态振型,以完成损伤的识别。数值仿真结果表明：该方法在损伤的定位识别和定量识别上能达到预期的适用性和可靠性。     

一种基于FPGA的高精度同步信号生成设计与实现

针对特定通信系统中需要实现快速、高精度的时间同步需求,设计了一种基于 FPGA 同步信号生成的系统方案。系统以C/A码码片为最小时间刻度,通过对信号中码片数计数输出秒脉冲信号,并在同源情况下,根据码相位累加器溢出后残余值的特点,调整秒脉冲信号的输出位置。结果表明,调整后的秒脉冲信号同步精度能达到纳秒级,在工程上具有一定的应用价值。     

激光辅助智能车障碍物探测方法研究

在智能车视觉导航系统中,为了能够快速精确地探测到智能车前方障碍物,并恢复出障碍物表面的三维信息,提出了一种基于激光辅助的主动探测方法.该方法首先用激光发射器向空间障碍物发射多线激光光条,然后用摄像机观测图像中光条的扭曲,线条断开的位置经过一定的三角几何计算就给出障碍物的尺寸信息.实验结果表明,该方法能够快速准确地探测到障碍物并恢复出其表面三维信息,具有很强的鲁棒性.     

总发射功率约束条件下分布式相干检测融合

针对传感器融合系统总发射功率约束条件下的相干检测融合问题,利用偏移系数极大化理论优化系统检测性能.建立了基于多址接入信道传输的多传感器分布式相干检测融合模型,根据融合中心对信道增益信息的获取程度,提出了信道增益信息完美已知时的总发射功率约束相干检测融合方法(TPC-DCM方法)和信道增益统计信息已知时的总发射功率约束相干检测融合方法(TPC-DCM-CS方法),上述两种方法分别将总发射功率约束分布式检测融合问题转化为一个秩为1的最大特征值问题,获得了最优加权乘性系数的闭合解.蒙特卡洛仿真试验表明:在低虚警概率条件下,当信噪比大于等于0dB时,文中提出的方法的性能优于传统的基于并行网络拓扑结构的最优似然比方法.     

融合多数据源的蛋白质功能模块的挖掘算法

针对蛋白质相互作用(protein-protein interaction,PPI)网络的信息不完善和高噪声问题,提出一种融合多生物数据的二分图聚类集成方法以检测网络中的功能模块.该方法结合了基因本体论(gene ontology,GO)、基因表达谱数据以及多种基础聚类算法,用一种新的二分图来组织多种基础聚类算法的中间结果,并结合对称非负矩阵分解(non-negative matrix factorization,NMF)算法挖掘其中功能意义上最一致蛋白质功能模块,同时,该算法能处理蛋白质功能重叠问题.实验结果表明:所提算法整体优于基准比较方法,是一种融合多种生物信息源和不同的聚类方法的有效途径.