基于奇异值分解和经验模态分解的航空发动机健康信号降噪

提出了一种基于奇异值分解(Singular value decomposition,SVD)和经验模态分解(Empirical mode decomposition,EMD)的信号降噪方法。首先采用EMD方法对原始信号进行分解并提取出信号趋势分量。然后对信号剩余部分采用SVD方法降噪,并根据奇异值差分谱方法自适应选择奇异值进行信号重构。最后将重构后的信号与趋势分量叠加得到最终的降噪信号。采用该方法对模拟信号和实际航空发动机健康信号进行了降噪试验,结果表明:该方法能够准确地选择用于重构信号的奇异值,并能够有效地去除信号噪声。     

实例推理的可拓方法及其应用

针对目前基于实例的推理方法在实例表示、检索和修改等方面存在的局限,提出了一种基于可拓学原理的实例推理方法。该方法用物元模型以定量与定性相结合的方式对实例推理中所涉及的实例和问题进行统一描述;提出了距的计算方法并用来计算实例到目标空间的相似度;应用可拓变换原理对检索实例进行适应性修改以使新实例符合问题的需要。最后以水轮机选型设计为例,说明了利用可拓学方法进行实例推理的可行性。     

基于重心的多目标方案排序理论

一、引言多目标方案排序是个老问题,隶属于多元分析,是系统工程的必要环节之一,以往用得最多的方法     

连续小波过程神经网络及其仿真研究

在小波分析和过程神经网络理论的基础上，提出了连续小波过程神经网络模型，其隐层为过程神经元，隐层激活函数采用小波函数．该网络结合了小波变换良好的时一频局域化性质及过程神经网络可以处理连续输入信号的特点，因而学习能力强，精度高．给出了小波过程神经网络学习算法，并以航空发动机滑油系统状态监测为例，分别利用传统BP网络和小波过程神经网络进行预测．结果表明，小波过程神经网络收敛速度快，精度高，优于BP网络的预测能力，同时也为航空发动机滑油系统状态监测问题提供了一种有效的方法．     

小波网络平均影响值的航空发动机自变量筛选EI北大核心CSCD

为了快速准确地实现发动机参数非线性自变量筛选,基于平均影响值的思想和小波神经网络学习能力强、收敛速度快、具有自适应性和容错性等优点,提出小波神经网络平均影响值的发动机自变量筛选方法。根据参数之间的关系特点,建立多参数连续小波逼近网络模型,并给出学习算法。仿真实例表明,该方法不但能够实现复杂的非线性变量筛选,而且对比其他非线性变量筛选方法,具有精度更高、速度更快的特点。     

船用螺旋桨混联加工装置结构参数标定方法

为实现大型船用螺旋桨的高精度、高效加工,提出了基于混联机构的双刀对称加工方案。介绍了加工装置的机构组成,对影响加工精度的结构参数的标定方法进行了研究。针对装置运动存在耦合的特点,将装置的串联机构与并联机构进行分离标定,建立串联机构与并联机构的结构误差模型,对两种结构参数的辨识方法进行研究,并采用LevenbergMarquardt优化算法对非线性方程组进行求解,获取结构参数的修正值。最后在ADAMS中构建含有结构参数误差的装置模型,实现各种加工运动模拟,采集刀具的各种位姿误差,利用加工装置标定方法对装置的结构参数进行修正,验证了误差模型建立与参数辨识方法的准确性,证明了该标定方法的正确性与有效性。     

一种AUV并联型矢量推进机构的姿态控制算法

为克服一些AUV矢量推进方式存在的作动器外置、自由度冗余等缺点,提出一种基于少自由度并联机构、作动器内部布置、满足两自由度矢量推进的结构方案.方案采用RS+2PRS并联机构作为AUV推进系统的主体结构,并联机构的固定平台与AUV的尾部舱壁固联、机构的运动平台安装螺旋桨等推进器,将驱动部件和动力输入单元内置于AUV舱体内部,结构紧凑,刚度性能好,便于推进系统的密封与防护;通过推进机构的运动参数解耦分析可知,该推进机构的自由度为2,独立运动参数为螺旋桨安装平台的进动角和章动角;可以采用两个移动副构件作为机构的驱动输入,建立推进机构欧拉姿态角与两路驱动参数之间的非线性映射模型;利用MATLAB和ADAMS的联合仿真分析,并搭建实物装置实现了螺旋桨姿态角的快速调整,从而实现AUV航向角和俯仰角的改变.研究结果表明,该型两自由度推进机构结构可行,姿态控制算法正确有效,可以有效提升AUV的水下机动性和工作效能,为后续两自由度矢量推进机构的工程化应用奠定理论基础.