一种基于敏感分量融合的液压泵退化特征提取方法

液压泵退化特征提取是实现故障预测的关键环节。在液压泵性能退化过程中，其振动信号复杂度高、非线性强，难以有效地提取退化特征，为此，本文提出一种基于敏感分量融合的退化特征提取方法。采用改进局部特征尺度分解（ILCD）方法对振动信号进行分解，并利用贝叶斯信息准则与所构建的敏感因子，对内禀尺度分量进行筛选，以减少干扰分量的影响，得到敏感分量，有效抓取特征信息；在此基础上，引入离散余弦变换代替传统复合谱分析中的傅里叶变换，提出离散余弦变换-复合谱（DCS）算法，以解决信息遗漏问题，并利用DCS对敏感分量进行融合，提取复合谱熵作为退化特征，以提高对退化过程的表征能力；最后，通过对液压泵性能退化试验实测振动信号的应用分析，验证了该方法的有效性。     

基于改进MF-DFA和SSM-FCM的液压泵退化状态识别方法

针对液压泵振动信号通常具有非线性强和信噪比低的特点,提出了一种基于改进多重分形去趋势波动分析(MF-DFA)和半监督马氏距离模糊C均值(SSM-FCM)的液压泵退化状态识别方法。该方法首先引入滑动窗口技术改进传统MF-DFA方法在时间序列数据分割过程中存在的不足,提高MF-DFA方法的计算精度;然后利用改进MF-DFA方法计算液压泵多重分形谱参数,并分析了不同分形谱参数对液压泵退化状态的反映能力,选取奇异指数α_0和广义Hurst指数波动均值Δh(q)作为退化特征量;最后利用半监督马氏距离模糊C均值方法实现了液压泵退化状态识别,并以液压泵实测数据为例验证本文所提方法的有效性。     

RFID辅助生产实时监控的复杂事件处理研究

为了将射频识别(RFID)读写器采集到的大量原始数据高效地转化为有用信息,以实现生产实时监控并提升其效率,提出一套基于复杂事件处理的体系结构。该结构定义RFID事件模型与复杂事件运算符,并以脚本的方式导入复杂事件处理计算引擎,从RFID原始数据中提炼出系统状态信息以实现生产实时监控。通过实验分析了RFID事件处理的性能,并对复杂事件业务逻辑的创建提出了合理化建议。     

基于二元多尺度熵的滚动轴承退化趋势预测

针对轴承振动信号随机噪声干扰大、多尺度熵表征轴承退化趋势偏差大的问题,提出了一种基于二元多尺度熵的滚动轴承退化趋势预测方法。首先对滚动轴承振动信号进行局部特征尺度分解,采用多元多尺度熵理论对二阶信号进行计算,提取了二元多尺度熵特征。然后采用互信息法和假近邻法对算法中的嵌入维数和延迟向量等参数进行了优化。最后采用极限学习机预测模型对二元多尺度熵退化趋势曲线进行预测,并对比了不同激活函数的预测性能。结果表明,相对于传统多尺度熵,二元多尺度熵偏差较小;激活函数为sigmoid时极限学习机模型预测精确度较高。     

蒙特卡罗法分析GPS误差对火箭弹落点预测精度的影响

针对火箭弹在落点预测过程中GPS随机误差影响预测精度的情况,从理论和仿真实验上对该影响进行分析。该文将GPS误差作为典型的随机过程,结合火箭弹动力学模型建立数学模型,并利用经典的统计试验法-蒙特卡罗分两种情况进行弹道仿真实验,预测弹丸落点。仿真结果表明:在存在GPS误差的情况下弹道修正的精度大幅降低,因此GPS误差是影响落点预测精度的重要因素。     

基于改进MF-DFA的液压泵退化特征提取方法

针对液压泵振动信号通常具有非线性强和信噪比低的特点,提出了一种基于改进多重分形去趋势波动分析(multi-fractal detrended fluctuation analysis,简称MF-DFA)的液压泵性能退化特征提取方法。首先,引入滑动窗口技术改进传统MF-DFA方法在时间序列数据分割过程中存在的不足,提高了MF-DFA方法的计算精度;然后,利用改进的MF-DFA方法计算液压泵多重分形谱参数,分析了不同分形谱参数对液压泵退化状态的反映能力,选取奇异指数α0和多重分形谱宽度Δα作为退化特征量;最后,以液压泵不同退化状态下的实测数据为例验证了该算法的有效性。试验结果表明,该方法能够准确提取液压泵退化特征,提高了退化状态识别的准确率。     

弹道修正弹脉冲发动机作用角度优化研究

解算脉冲发动机最佳作用角度是脉冲弹道修正技术的一个重要课题。文中基于传统的脉冲发动机控制策略,从理论上分析了脉冲发动机作用角度与剩余落点偏差,针对横纵脉冲修正能力不同造成剩余落点偏差较大的情况,提出了一种以剩余落点偏差为目标函数的解算脉冲发动机作用角度算法,并通过六自由度弹道仿真验证了该算法的可行性。