基于改进小波能熵的水下目标识别

文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。     

基于可拓分析与变换的网络中心战下作战系统抗毁性研究

通过建立网络中心战作战系统抗毁性的物元模型,利用可拓学中的发散、相关分析和共轭分析原理对作战系统抗毁性的组成、结构和度量指标进行形式化分析与研究,将蕴含分析、共轭变换原理和可拓推理运用于提高作战系统抗毁性的分析与研究,可以使网络中心战下作战系统抗毁性的组成结构与信息传递关系更加清晰,便于度量与分析计算,为提高作战系统抗毁性提供一种新的分析与研究方法。     

基于改进小波算法的舰炮齿轮箱故障特征提取

小波变换具有优良的时频分析特性,适合于提取齿轮箱等机械设备的故障特征。但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换会产生一定的虚假频率,从而影响故障特征提取的准确性。针对小波分析的混频现象,在深入分析该现象产生原因的基础之上提出一种改进算法,并给出了利用该算法提取故障特征的具体步骤,为舰炮齿轮箱故障特征提取提供了一个新途径。仿真结果表明,该方法能有效地消除混频现象,提高了故障特征提取的准确性。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

冲击荷载下简支道面板响应分析

建立了冲击荷载作用下粘弹性地基上弹性道面板力学计算模型,比较真实的反映了工程实际情况,对简支边界条件下板的运动方程,采用有限傅立叶变换等手段进行了求解。并对比了其与自由边界条件下道面板的弯沉,说明以简支边界作为场道工程中刚性道面板的边界条件进行求解,会增加混凝土材料的用量。     

基于离散小波变换的斜拉桥缆索断丝检测

采用磁通量检测法对斜拉桥缆索进行无损检测试验。试验中为了降低工作环境中空间电磁场噪声对检测信号的影响,采用一个独立的基于二进小波变换的改进软阈值去除高斯白噪声的方法来分离检测缆索得到的磁通信号和噪声信号。为了准确获得缺陷位置,对缆索检测的磁通信号波形和李氏指数奇异点进行分析。试验结果表明,该检测方法可以准确获得缆索缺陷的大小和具体位置,对于斜拉桥缆索缺陷的检测和分析很有意义。     

伪随机桥面不平顺时域模型仿真分析研究

桥面不平顺是车辆-桥梁耦合系统振动的主要影响因素之一,引入路面不平度来模拟桥面不平顺,假定路面不平度是具有零均值、各态历经的平稳随机过程,且服从高斯概率分布。基于FORTRAN平台编制了模拟桥面不平顺的仿真程序BDR,采用FFT法及谐波法模拟了按国家标准GB/T 7031-86划分的B、C级桥面不平顺曲线。结果表明:该模型能够描述复杂且不规则的路面形状,适用于任意谱密度函数的平稳随机过程,适应性良好。     

缓慢车道变换的交通拥挤分析

交通拥挤在一定程度上是由不规范的交通行为造成的,它影响着交通流运行,如缓慢车道变换可能造成交通拥挤甚至堵塞。文中以单方向二车道为例,从定性和定量两个方面分析了缓慢车道变换与交通拥挤的关系;以饱和度为指标,分析了拥挤与交通量和交通流密度之间的关系,得出到达车流量和车流密度越大,缓慢车道变换造成的交通拥挤越严重,需对缓慢车道变换加以管制的结论。     

基于桥梁在线监测信号的吊杆阻尼识别

风荷载、环境荷载及车辆荷载会引发吊杆不同程度的振动,同时吊杆会受到阻尼器的抑振作用。文中采用经验模态分解法(EMD)、随机减量技术(RDT)、Hilbert变换(HT)及滤波技术进行吊杆的阻尼识别,阐述了技术原理及其改进方法;利用桥梁健康监测系统,将经过小波变换滤波处理的加速度在线监测信号采用EMD得到各阶模态响应(IMF),提取IMF经过RDT及HT识别出吊杆模态参数,评估阻尼器使用状态。     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。