基于卷积型小波包变换的船用水位调节器故障辨识

以某型蒸汽船的主冷凝器水位调节器为研究对象,应用卷积型小波包变换提取各种故障信号分解后的相对小波包能量,建立水位调节器标准故障库,并引进Euclidean空间距离公式作为判据进行故障识别。实验结果表明,该方法可以对水位调节器的典型故障进行快速、正确分类,降低了其故障定位与维修的盲目性。     

模糊AHP法及其在电子战系统效能评估中的应用

电子战系统的效能评估是基于系统单项效能评估的基础之上的。本文的分析方法是在分析单项效能指标的基础上,应用模糊层次分析法（FAHP）对多个电子战系统进行综合评估。首先构造区间数判断矩阵,然后运用区间数特征向量法（IEM）求取权重向量,最后求出层次的组合区间权及排序指数,得出最佳方案。     

求解对称特征值问题的不精确Newton法

分析了求解对称特征值问题的不精确Newton法，给出了相应的收敛性定理，并证明了在适当的条件下，不精确Newten法超线性收敛。     

结构-声场耦合模态特征值分析

结构-声场耦合振动在工业领域广泛存在,其理论分析和数值方法对车辆、船舶等内部降噪设计有重要意义.基于结构-声场耦合振动的有限元方程,推导了其左特征向量和右特征向量的关系,基于此证明了虽然无阻尼结构-声场耦合系统由于系数矩阵非对称属复模态问题,但其特征值为实数.用复Lanczos法计算了圆柱壳与内部声场耦合振动、六面体与内部声场耦合振动的耦合特征值,结果表明其耦合特征值确为实数.     

一种级联型自适应滤波器的混响抑制技术

在浅海环境中混响是造成主动声呐性能下降的主要原因之一。混响是由发射信号引起的,其频域上覆盖区域与发射信号基本重合,时域上与发射信号及目标回波强相关,这给混响和目标的分离造成了很大的困难。本文借鉴PD雷达中的动目标检测方法,提出一种适用于声呐动目标检测的滤波器设计算法。该算法利用运动目标回波和混响在时频域上的不同特性,设计了级联自适应滤波器实现混响抑制和目标增强。在此基础上进行匹配滤波等处理可以获得理想的效果。该算法可大幅提高信混比,有效改善运动目标的检测能力。     

基于BP神经网络的公路平曲线自动识别分析

针对公路平面线形自动选择技术中的平曲线识别展开研究,首先根据平曲线的识别原理设计平曲线的识别过程,然后建立基于神经网络的曲率图识别模型,该模型以曲率图的特征向量为输入,以曲率图的识别向量为输出,并采用试算法确定隐层的神经元个数,最后进行案例分析。     

AHP中广义判断矩阵排序向量的特征向量法

通过对广义判断矩阵一致性的深入研究，得到了集合S={u1，u2，…，un}排序向量新的约束方程，利用新方程组，可以在集合S的广义判断矩阵对应结构矩阵不可逆时求解排序向量，并对6阶广义判断矩阵进行随机测试，适用率从66％提高到了99．5％．     

Code-aided interference suppression in direct sequence spread spectrum systems with eigenvector sign spreading code

For direct sequence spread spectrum (DSSS) communication systems suffering interference, it is known that code-aided interference suppression technique outperforms all of the previous linear or nonlinear methods. In this paper, we proposed an improved code-aided technique which can improve the system performance greatly by using the eigenvector sign (EVS) spreading sequence which depends on the statistical characteristics of the interference and the thermal noise. Foundation item: the National Natural Science Foundation of China (No. 60772100)     

城市轨道交通规划决策中的消去与选择转换法

在对消去与选择转换法(ELECTRE)的特点进行分析和研究的基础上,针对低劣度矩阵只反映比较方案个别指标劣势、方案排序过于复杂及主观参数难设定等问题,提出了能全面反映比较方案总体劣势的低劣度矩阵新定义;同时还提出了一种新的排序方法.     

基于多SVM分类器融合的高速公路异常事件检测方法

提出了一种利用多SVM分类器对高速公路中的复杂交通信息进行有效融合的异常事件检测方法.首先,将初始训练集划分为互不重叠的子集,为每个子集训练分类器.给定一个输入向量,利用分类器求得其所属的类别标签,并计算出该向量对特定簇的隶属度.其次,利用概率方法将多SVM分类器分类结果进行融合,得到最终分类结果.接下来,将“车流量”、“行车速度”、“道路占用率”、“相邻监测站的车流量差值”、“速度差值”以及“道路占用率差值”等交通参数表示为特征向量,分别输入到经过训练的SVM分类器,并将多SVM分类器融合后的分类结果作为判别异常事件的依据.最后,从5个具有代表性的高速公路路段采集到的交通数据构造实验数据集.实验结果表明,对比单一SVM和LS-SVM,文章提出的基于多SVM分类器融合的高速公路异常事件检测方法可以有效提高高速公路异常事件检测的准确性和可靠性,弥补了仅使用单一交通参数进行异常事件检测的不足.