雷达脉冲阵列信号的处理和波达方向分析

基于雷达系统的目标跟踪和导航技术在舰船领域具有重要的意义,起到目标探测、定位与导航等作用。而雷达信号的处理技术保障了雷达的精度,是雷达探测领域的研究重点。本文研究的对象是一种雷达脉冲阵列信号的分析技术,首先对雷达脉冲阵列进行了数学建模,并分析雷达脉冲阵列信号的方向特性,基于经验模态分解技术对雷达脉冲阵列信号的波达方向及传递特性进行分析与仿真,对于改善舰船雷达系统的精度有重要作用。     

基于EEMD-Hilbert和FWA-SVM的滚动轴承故障诊断方法

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解（empiricalmode?decomposition,EEMD）、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机（support vector machine,SVM）分类参数的滚动轴承故障诊断方法. 通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维. 结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63%;比传统的遗传算法和粒子群算法优化模型分别提高0.4%和0.2%左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.      

某SUV气动减阻优化及其流场机制

为了提高整车燃油经济性,本文以某款SUV车型为研究对象,将仿真与试验相结合改善汽车行驶过程中的气动阻力系数。首先通过风洞试验确定对整车气动阻力有重要影响的区域或部件,其次对气动阻力系数贡献值较大的部件或区域进行减阻优化。结果表明,前轮阻风板、尾灯和尾翼对整车气动阻力系数贡献值较大。对前轮阻风板的改型,有效降低正压区面积以及减弱车轮干扰阻力;对尾灯和尾翼的优化设计,改善了尾部负压区,缩短了分离流在后窗上部的再附着的距离。基于本征正交分解方法进行局部流场信息的提取和分析可知,1阶与2阶模态主要构成了该SUV尾流场的关键流态。经试验与仿真验证,相比于初始方案,气动优化组合设计减阻率可达7.5%。本文为新一代SUV改型与升级换代提供了理论基础与技术支持。     

基于经验模态分解的轨道不平顺时频特征分析

高速铁路轨道不平顺测量值是由许多不同频率、不同幅值的单分量信号叠加而成的复杂随机过程.为分析轨道不平顺在空间域和频率域的分布特性,利用希尔伯特-黄变换方法提取轨道不平顺在时-频域的能量分布,为从幅值和波长两个方面综合评价轨道几何状态提供一种新的分析方法.首先,利用多元经验模态分解基于数据驱动的滤波特性,将轨道不平顺数据同时分解为不同尺度下的幅值-频率调制的多元本征模态函数;然后,通过希尔伯特变换计算各尺度下本征模态函数的瞬时频率,分析各层本征模态函数的频率和能量分布特征.通过对轨道检查车的实测轨道不平顺数据解算与分析表明:轨道不平顺的频率分布呈现出近似二进滤波特性,并且每个尺度下的频率带宽较窄;多元经验模态分解尺度图能确定轨道不平顺在各尺度下的能量分布及对应的波长特征;样本轨道不平顺数据中,轨距和水平不平顺的能量主要分布在中长波波段,轨向和高低的能量主要集中在空间波长4~36 m范围;扭曲的能量分布在波长为4.9 m和7.6 m的两个尺度内.      

基于EEMD-TEO熵的高速列车轴承故障诊断方法

为了解决高速列车轴承早期故障中低频信号的类间分离性较弱、保持架故障难以识别等的问题,提出了基于Teager能量算子（Teager energy operator,TEO）聚合经验模态分解（ensemble empirical mode decomposition,EEMD）熵的自适应诊断方法.该方法将EEMD、样本熵、TEO相结合,利用EEMD的自适应性得到固有模态（intrinic mode function,IMF）信号,用改进的TEO从IMF中提取得到样本熵,使用支持向量机（support vector machine,SVM）判断轴承工作状态与故障类型;讨论了EEMD能量熵、EEMD奇异值熵、EEMD-TEO时频熵生成的故障特征向量以及该向量在SVM中识别结果;对正常轴承、保持架故障、滚动体故障3种状态的轴承样本数据进行了故障诊断.研究结果表明:对3种轴承的故障识别率可以达到98%,较传统的经验模态熵识别率提高了2.6%,该方法可用作高速列车轴承状态诊断.      

基于奇异值分解的信号处理方法及其频谱特征

对基于时间序列重构吸引子轨迹矩奇异值分解的信息处理方法进行了系统讨论,通过数值算例研究了该方法对振劝信号的降噪和频谱特征以及在振动信号瞬态信息提取中的应用,得到了具有理论和应用价值的结论。     

一类Hermitian-Hamilton矩阵的广义特征值反问题

设J=OIn-InO是单位辛矩阵,若A∈C 2n×2n满足AH=A,(JA)H=JA,则称A为Hermitian-Hamilton矩阵,所有2n×2n阶Hermitian-Hamilton矩阵的全体记为HHC2n×2n.本文考虑问题P给定X∈C 2n×p,Λ=diag(λ1,λ2,…,λp)∈Cp×p,求A,B∈HHC2n×2n使得AX=BXΛ.文中首先讨论了HHC2n×2n中元素的结构,然后给出了问题P的解的表达式.     

基于多源数据加权马氏距离的结构损伤识别研究

利用结构多源数据进行桥梁损伤识别可获得更多的损伤信息和更高的识别精度。文中提出一种基于多源数据加权马氏距离的结构损伤识别方法,先对不同类型测量数据进行施密特正交,构造参考样本和待测样本;再利用不同类型数据损伤前后相对能量变化率构造权值矩阵,通过加权马氏距离对结构损伤进行识别。结果表明,损伤前后相对能量变化率可反映马氏距离对损伤的敏感程度,加权马氏距离对结构损伤具有更高的敏感度,利用经验模态分解的本征模态函数作为样本计算的加权马氏距离对损伤的识别效果更好。     

基于小波分析的舰船电力系统故障自动检测方法

常规障自动检测方法计算故障信号时频会产生误差,导致检测中的信号丢失,因此,提出基于小波分析的舰船电力系统故障自动检测方法。以故障信号特征为条件建立信号模式分解函数,通过约束函数的历程提取舰船电力系统中的故障信号,利用连续小波变换将提取信号处理拆解为中心式分布的小波,计算分布在信号传递范围内的小波时频,将时频导入到小波工具箱中的Matlab,实现故障检测。实验测试结果表明,与传统方法相比,所提方法的检测结果更加完整,未出现信号丢失的问题。