改进二维变分模态分解的磁源分离

为了解决延拓法对不同深度磁源的磁测数据进行分离时,向上延拓高度确定困难以及延拓导致深源信号损失的缺点,提出了在延拓法的基础上利用二维变分模态分解对磁性目标进行分离。首先,利用最佳延拓高度估计法对磁测数据进行第一次分离,得到分离后的局部异常与区域异常数据;然后,利用二维变分模态分解对分离后的浅源局部异常进行第二次分离,该过程无需计算延拓高度,能够自动对不同频率的磁测数据进行分离;最后,利用该方法对不同深度磁源进行识别,通过将分离得到的磁异常Bz分量数据转化为磁梯度张量数据,实现了对不同深度磁源的磁梯度张量数据进行分离,获得对不同深度磁源的识别结果。实验结果表明实测中对小尺度磁性体组合磁源(高度差为26 cm)的分离数据与单目标观测数据的互相关系数在0.9664以上。相比传统的延拓分离方法,提出的方法的分离精度更高,抗干扰能力更强。     

应用平行极板式电容传感器检测润滑油品质的研究

分析和探讨了润滑油介电常数变化的微观原因,并基于介电常数测量原理,以实现润滑油质量的现场快速检测为目的,考虑灵敏度、信噪比、击穿电压等参数要求,设计了平行极板式电容传感器。采用谐振法对不同使用期的油样进行了测试实验,其中重复性测试数据的最大偏差为4,8％。应用计及边缘效应影响的计算公式对数据进行了处理,结果表明该传感器能在不改变机器内部油路结构的情况下快速有效地检测油液介电常数的变化,为科学判断润滑油使用状况提供依据。     

柴油机排气噪声特征提取方法及故障诊断研究

柴油机的排气噪声中含有很多能反映柴油机故障的有用信息,因此从排气噪声中提取有效的特征向量可用于柴油机故障诊断。通过对柴油机不同状态下的排气噪声分析,对比了基于功率谱分析、小波包分解和AR模型的排气噪声特征提取方法,发现基于AR模型的排气噪声特征提取方法能有效地区分柴油机失火及气阀机构故障。     

基于PSO-KELM的发动机特征参数预测北大核心CSCD

针对发动机特征参数预测中的参数选择及预测模型建立的问题,提出一种基于粒子群优化核极限学习机(PSO-KELM)的发动机特征参数预测方法。根据能够反映发动机性能及技术状况变化趋势、不解体检测和抗干扰的原侧,选择排气温度作为表征发动机运行状况的特征参数,以发动机水温、油温、尺杆位移和转速作为关联特征量。通过核极限学习机(KELM)建立预测模型,采用粒子群算法对KELM的惩罚系数和核参数进行优化,以减少人为因素的影响。车辆在怠速和行驶工况下的特征参数预测结果表明,与基于粒子群优化的最小二乘支持向量机预测模型(PSO-LS-SVM)和基于网格搜索优化的核极限学习机预测模型(NS-KELM)相比,PSO-KELM的预测精度更高,为发动机特征参数预测提供了一条有效途径。     

佛山市主要大气污染物浓度分布特征和控制对策

随着经济的发展,大气污染严重影响人们的生产生活,日益成为人们关心的焦点.文章以佛山市2006年大气环境质量和污染现状为基础,结合气象条件,应用统计方法分析大气污染物浓度时空分布的季节变化特征,提出进一步改善大气环境质量的对策措施.     

自行火炮火控系统检测设备研制

针对我军现役装备的某型自行火炮火控系统,结合部队的实际科研任务,我们研制开发了此型火控系统检测设备.它由炮内检测仪,车外检测单元和计算机三部分组成,本文侧重介绍炮内检测仪部分.此检测仪不同于一般的检测设备,它可以在火控系统工作时,连接在火控系统中,对火控系统实现不解体在线检测.它是一个以单片机为核心的检测系统.被检测信号先通过信号调理电路,然后通过电子多路开关.检测仪自动地按顺序检测火控系统中的各种数字信号与模拟信号,并将检测结果显示出来.检测仪中有存储芯片,可以对检测结果实现自动存储.检测仪也可以通过RS232接口,将检测结果自动地发送给车外检测单元或计算机,建立检测档案.     

斜磁化条件下多磁源目标的边界识别方法

针对传统磁源边界识别方法在斜磁化条件下对多磁源目标识别能力较差的问题,提出斜磁化条件下多磁源目标的边界识别方法。根据矢量合成原理将磁场分量转化为总幅值异常以及方向余弦,利用改进K奇异值分解方法重建磁信号。利用归一化磁源强度与化极互相关的方法估计不同计算区域内磁源的磁化方向,将磁测数据转化为垂直磁化条件下的磁测数据。通过磁梯度张量矩阵特征值的绝对值之和与垂直条件下磁场沿z轴方向的分量在z轴方向上梯度的比值对磁源的水平边界进行求解,实现了对磁源水平边界的估计。仿真和试验结果表明,该方法能够准确识别斜磁化条件下多目标磁源的边界,且具有较强的抗噪性。     

基于ELM-AE的轴承性能退化和早期故障检测

为准确描述轴承性能退化过程并实现轴承早期故障检测,提出了一种基于极限学习机自编码器的无监督构建健康指标的方法。利用轴承健康状态的样本训练极限学习机自编码器并实现在线样本数据的重构,由于轴承偏离健康状态时会导致输入与输出的重构误差增大,因此将重构数据与原始数据之间的损失作为反映轴承性能退化的健康指标。试验结果表明,该指标能够有效反映轴承性能退化趋势,对轴承早期故障比较敏感,利用滑动t检验可以准确获得健康指标首次发生突变的时间,可用于轴承的智能化早期故障预警。     

基于注意力机制和残差深度分离卷积的RUL预测方法

传统机械设备剩余使用寿命(RUL)预测方法需进行多源数据融合、建立健康指标等人工干预过程,预测精度受限于健康指标对设备退化过程的表征能力。为实现端对端的RUL预测并提升预测精度,提出了一种基于注意力机制和残差深度分离卷积网络相结合的RUL方法,并采用C MAPSS航空发动机仿真数据集检验方法的有效性。采用滑动窗从发动机多源状态参数中截取多元序列作为表征发动机状态的样本,并基于一维可分离卷积网络建立RUL预测模型,为提升模型的预测精度在网络中引入了注意力机制和残差网络。最终所提方法对C MAPSS 4个测试集的均方根误差均值分别为1128、1412、1157和1561,且对发动机在运行期间的RUL预测也具有良好的泛化能力。通过与多种RUL预测方法的结果相比较,表明所提方法对4个测试集的整体预测精度均较高,是一种有效的机械设备RUL预测方法,并可用于设备的早期故障预警。     

基于单征机的装甲车辆状态监测仪设计

本文首先介绍了装甲车辆状态监测仪的工作原理及功能，并以８０Ｃ１９６单片机为中心，通过对已经安装在装甲车辆上的各种传感器输出信号实时采集，数据处理，实现了对一辆行驶状态的监测，并详细介绍了监测仪的硬件与软件实现方法。